Microsoft startet sechs spezialisierte MAI-Modelle, um Rivalen bei den KI-Kosten herauszufordern
Wichtige Erkenntnisse
- •Microsoft hat sechs spezialisierte Modelle eingeführt oder deren Zugang erweitert: Code 2, Code 2 Flash, Cyber 2 Flash, Image 2.7, Transcribe 2 und Realtime 1.
- •Microsoft berichtete, Code 2 habe 96 % der Leistung von Claude Opus 5.5 bei 5 % der Kosten pro Aufgabe erreicht und 98 % der Leistung von GPT-6.1 Sol bei 40 % der Kosten.
- •Cyber 2 Flash erzielte laut Microsoft einen Wert von 92,3 % im CyberGym-E2E-Benchmark, verglichen mit 91,5 % für GPT-6 Astra.
- •Die Werbepreise für Code 2 und Code 2 Flash sollen sich am 17. Mai 2027 verdoppeln.
- •Unabhängige Tests haben Microsofts Vergleiche nicht verifiziert, und individualisierte MAI-Modelle müssen auf Azure betrieben werden.

Microsoft hat auf der Ignite, der jährlichen Konferenz des Unternehmens für Unternehmensentwickler und Partner, am 17. November sechs MAI-Modelle präsentiert. Einige wurden neu eingeführt, andere stehen nun breiter zur Verfügung. Das Unternehmen sagt, seine Modelle könnten bei den Aufgaben, für die sie entwickelt wurden, nahezu mit teureren Konkurrenzmodellen mithalten und dabei deutlich weniger kosten; die Veröffentlichungen sind in Microsofts Ignite-2026-Blogbeitrag detailiert.
Spezialisierte Modelle mit Fokus auf die Kosten einer Aufgabe
Microsofts sechs spezialisierte MAI-Modelle sind Code 2, Code 2 Flash, Cyber 2 Flash, Image 2.7, Transcribe 2 und Realtime 1.
Im Zentrum von Microsofts Behauptung niedrigerer Kosten bei nahezu gleicher oder besserer Leistung steht das MAI Code 2-Modell, das Aushängeschild der neuen Coding-Reihe. Das Unternehmen testete das Modell anhand von vier Coding-Benchmarks: DeepSWE 1.1, Terminal-Bench 2.1, SWE Atlas und FrontierCode 1.1. In am 17. November veröffentlichten Ergebnissen sagt Microsoft, Code 2 habe 96 % der Leistung von Claude Opus 5.5 erreicht und dabei nur 5 % der Kosten pro Aufgabe verursacht. Das Unternehmen verglich Code 2 zudem mit GPT-6.1 Sol und berichtete von 98 % der Leistung bei 40 % der Kosten.
Wie auf GitHubs Preisseite angegeben, kostet MAI Code 2 0,50 $ pro Million Eingabe-Token und 2,50 $ pro Million Ausgabe-Token. Die Version MAI Code 2 Flash ist günstiger erhältlich: 0,05 $ für Eingabe- und 0,25 $ für Ausgabe-Token. Claude Opus 5.5 berechnet 4 $ für Eingabe und 20 $ für Ausgabe, während GPT-6.1 Sol jeweils 2 $ und 10 $ verlangt. Die Preise von Microsofts Modellen sind jedoch nur promotionale Natur: Die Kosten für MAI Code 2 und MAI Code 2 Flash verdoppeln sich nach dem 17. Mai 2027, sodass Unternehmenskäufer ein festes Zeitfenster haben, die behaupteten Kostenvorteile zu Werbepreisen abzuwägen, bevor die vollen Preise gelten.
Microsoft berichtete auch, dass sein Modell bei der Cybersicherheit besser abschneide. Cyber 2 Flash erreichte im CyberGym-E2E-Benchmark einen Cybersicherheitswert von 92,3 %, verglichen mit GPT-6 Astra, das 91,5 % erzielte. Die Eingabe-/Ausgabesätze für Cyber 2 Flash liegen bei 0,10 $/0,50 $ pro Million Token.
Die Angaben zur Leistung der Modelle sollten dennoch mit Vorsicht betrachtet werden. Microsoft wählte die Benchmarks selbst aus, mit denen es seine Modelle mit der Konkurrenz verglich, und unabhängige Tests haben die Ergebnisse noch nicht bestätigt. Bis solche externen Prüfungen vorliegen, stützen sich die Kosten-pro-Aufgabe-Zahlen ausschließlich auf vom Anbieter gemeldete Messwerte.
Suleyman erklärt den Kompromiss
Mustafa Suleyman, Microsofts KI-Chef, erläuterte den Kompromiss in einem Axios-Interview am 17. November. Modelle, die für bestimmte Aufgaben entwickelt wurden, hätten bei weniger Parametern größere Fähigkeiten und Wissen. Es gebe jedoch Grenzen dieser Spezialisierung: Ein Modell, das bei grundlegendem Coding gut abschneidet, kann bei fortgeschrittenen wissenschaftlichen Problemen an seine Grenzen stoßen.
Um dieser Sorge zu begegnen, sagte Suleyman, sein Team arbeite daran, eine „wahre Superintelligenz“ aufzubauen – ein KI-System, das jede intellektuelle Aufgabe besser als ein Mensch erfüllen kann. Er sagte nicht, wann ein solches System verfügbar sein könnte.
Copilot, Azure-Gewichte und Plattformkontrolle
Code 2 ist bereits in GitHub Copilot, Microsofts Coding-Assistent, verfügbar, was den Kauf externer Modelle reduzieren könnte. Unternehmenskunden können auch MAI-Gewichte lizenzieren, um die Modelle anzupassen.
Allerdings gibt es eine Bedingung. Wie Axios berichtete, müssen angepasste Modelle auf Azure, Microsofts Cloud-Computing-Plattform, laufen. Niedrigere Modellkosten könnten daher mit größerer Cloud-Abhängigkeit einhergehen.
Fortsetzung von Nadellas Lieferantensorge
Microsoft hatte bereits am 2. Juni sieben eigene Modelle eingeführt, und die neuesten Veröffentlichungen greifen zudem eine Sorge auf, die CEO Satya Nadella earlier in diesem Jahr geäußert hatte. Laut einem Cryptopolitan-Bericht vom 17. Juli äußerte Nadella Zweifel an der Idee, bei Token-Kapazität von einer begrenzten Zahl führender KI-Unternehmen abhängig zu sein. Durch die Entwicklung eigener Modelle sichert sich Microsoft ausreichend Verhandlungsmacht gegenüber solchen Unternehmen.
Fallende Preise, ungleicher Zugang
Microsoft baut sein KI-Angebot aus, während die Preise in der Branche weiter sinken. Laut einer Studie von Epoch AI vom 22. September ist es seit 2023 bis zu 47 % günstiger pro Quartal geworden, ähnliche KI-Ergebnisse zu erzielen. Das entspricht ungefähr einer 13-fachen Preisreduzierung pro Jahr.
Trotz sinkender Kosten dominieren etablierte KI-Anbieter weiterhin die Ausgaben von Unternehmen. Ramps Index vom Oktober 2026 zeigt, dass Anthropic 49,3 % der Token-Ausgaben unter US-Unternehmen auf seiner Plattform ausmachte, gefolgt von OpenAI mit 46,1 % in der Woche bis zum 1. November. Die Zahlen bilden nicht den globalen Markt ab. Künftige Aktualisierungen solcher Ausgaben-Tracker werden zeigen, ob günstigere Eigenmodelle beginnen, die Token-Budgets von Unternehmen zu verschieben.
Auch die KI-Infrastruktur ist stark in wenigen Ländern und Unternehmen konzentriert. Stanfords 2026 AI Index zählte 2025 5.427 Rechenzentren in den USA – mehr als zehnmal so viele wie in jedem anderen Land. Stanford fand außerdem, dass Taiwans TSMC nahezu jeden führenden KI-Chip herstellt.
Diese Konzentration hat regulatorische Aufmerksamkeit erregt. Ein OECD-Bericht vom 10. Juli warnte, dass die Kontrolle über Chips und Cloud-Infrastruktur anderen Unternehmen den Wettbewerb im KI-Markt erschweren könnte.
Microsofts neue MAI-Modelle wecken eine ähnliche Sorge. Niedrigere Preise könnten die Modelle für Unternehmen weltweit erschwinglicher machen, aber die Azure-Pflicht könnte es Kunden auch erschweren, den Cloud-Anbieter zu wechseln – selbst wenn sie bei den Modellen selbst Geld sparen.