Microsoft stellt MAI-Thinking-1 und MAI-Code-1-Flash vor
Microsoft hat zwei neue LLMs angekündigt: MAI-Thinking-1 (1T Parameter, 35B aktiv) für Reasoning und MAI-Code-1-Flash (137B Parameter, 5B aktiv) speziell für GitHub Copilot. Beide Modelle nutzen Mixture-of-Experts-Architektur und wurden auf lizenzierten Daten trainiert.
Einordnung
Diese Modell-Releases sind bemerkenswert, da Microsoft erstmals eigene Reasoning- und Code-spezialisierte Modelle vorstellt, die direkt mit OpenAI's o1 und anderen Code-Modellen konkurrieren. Die MoE-Architektur ermöglicht große Parameteranzahl bei geringeren aktiven Parametern für Effizienz.
Besonders interessant ist Microsofts Betonung auf "saubere, kommerzielle lizenzierte Daten" - obwohl sich später herausstellte, dass auch hier Web-Crawling-Daten verwendet wurden. Die Integration in GitHub Copilot zeigt Microsofts Strategie, KI-Modelle direkt in Entwicklertools zu integrieren.