微软掏出首款自研推理模型，性能追平Claude Opus 4.6

6月2日，微软Build 2026大会最让我在意的一件事，不是RTX Spark，不是Surface Dev Box，也不是那个能戴在胸口的AI工牌。

而是MAI-Thinking-1。

扶持OpenAI七年之后，微软终于掏出了自己的自研推理模型。而且一出手，就跟Claude Opus 4.6打了个平手。这背后的信号，比参数本身更有意思。

从零训练，不做蒸馏

先说参数：MAI-Thinking-1采用MoE混合专家架构，350亿活跃参数，总参数量约1万亿，256K上下文窗口。MoE的好处是推理时只激活部分专家，所以实际部署成本远低于同等性能的稠密模型。256K窗口意味着一次可以塞进600页的文档。

但真正关键的不是有多大，而是怎么训的。

微软AI CEO Mustafa Suleyman专门强调了一句话：这个模型没有蒸馏任何第三方模型。说人话就是——没有"偷师"OpenAI或其他家的模型输出。

在AI行业，用大模型生成的"合成数据"来训练小模型是条捷径。但蒸馏出来的模型有个致命问题：它本质上是在模仿老师的思维方式，遇到老师没见过的情况就容易翻车。微软选择了一条更慢、更贵、但根基更扎实的路。

跑分什么水平

在软件工程基准SWE-Bench Pro上，MAI-Thinking-1拿到53%，与Claude Opus 4.6同一梯队。数学推理方面，AIME 2025达到97%，AIME 2026也有94.5%。

更值得说的是人类盲测。微软委托第三方评测机构Surge做了1276组对比测试，让专业评估者在不知道模型身份的情况下打分。结果是用户更偏好MAI-Thinking-1，而不是Claude Sonnet 4.6。

这里有个细节：评估标准不是"谁更聪明"，而是"谁的回复更有用"。微软在训练时花了不少心思做对齐——让模型既能干活，又不会过度发挥。企业场景下，这种"恰到好处"比炫技重要得多。

微软的"爬坡机器"

MAI-Thinking-1不是孤立的成果。微软管自己的模型研发体系叫"Hill-Climbing Machine"——爬坡机器。

这个名字挺实在。微软的思路是：搭一套能持续迭代的训练流水线，每转一圈，数据和奖励机制都能吸收上一轮的教训，让模型能力稳步爬升。三根支柱：能力靠学习获得不靠继承、数据干净可控、全栈自研。

配套发布的还有MAI-Code-1-Flash编程模型（50亿参数但SWE-Bench Pro也能跑51%）、MAI-Image-2.5图像模型、MAI-Voice 2语音模型等，一共7款。

而且微软把MAI-Thinking-1部署在了自研的Maia 200 AI芯片上，宣称每瓦性能是英伟达GB200的1.4倍。从模型到芯片到训练框架，微软正在把整个AI基础设施的自主权拿回来。

这意味着什么

第一，微软和OpenAI的关系进入新阶段。七年前微软投资10亿美元给OpenAI，换来的是GPT系列模型的独家商用权。但现在微软开始自研推理模型，而且性能直接对标业界最优。我不是说微软要跟OpenAI分手——Azure还指着GPT赚钱呢。但"只当经销商"的日子，确实结束了。

第二，AI模型的竞争正在从"参数规模"转向"可控性"。MAI-Thinking-1明牌打的是"干净数据+从零训练"，这招对企业的吸引力很大。企业用户最怕模型用了来路不明的训练数据，埋下合规隐患。

文章目前只在Microsoft Foundry上提供私有预览，还没对公众开放。但微软说了，很快就会上MAI Playground。到时候可以去试试，看它到底值不值这个"追平Opus 4.6"的名头。