Auf der jährlichen Ignite-Konferenz kündigte Microsoft die Einführung von sieben neuen spezialisierten neuronalen Netzen der MAI-Reihe an. Die Strategie des Tech-Giganten unterscheidet sich grundlegend von der Konkurrenz: Anstatt ein universelles Modell für alle Aufgaben zu entwickeln, hat sich das Unternehmen für zielgerichtete Lösungen für spezifische Arbeitsszenarien entschieden. Wie RBC-Ukraine unter Berufung auf Interesting Engineering berichtet, liegt der entscheidende Wettbewerbsvorteil in der Preisgestaltung — in allen genannten Szenarien übertreffen sie die Pendants von OpenAI und Anthropic deutlich, was es Unternehmen ermöglichen soll, autonome KI-Agenten zu skalieren, ohne die Token-Kosten drastisch zu erhöhen.

Cybersicherheit und Entwicklung: MAI-Flaggschiffmodelle

Das erste Modell der Reihe ist MAI Cyber 2 Flash, das für die kontinuierliche Überwachung der Cybersicherheit, die Suche und Beseitigung von Schwachstellen in Unternehmenssystemen konzipiert wurde. Laut Microsoft steht es im CyberGymE2E-Test dem GPT-6 Astra in nichts nach, kostet jedoch weniger als 2 Prozent des Konkurrenzpreises. Für alltägliche Programmieraufgaben ist MAI Code 2 vorgesehen: Laut Unternehmensangaben bietet das Modell 98 Prozent der Leistung von GPT-6.1 Sol bei etwa 40 Prozent der Kosten. Im Vergleich zu Claude Opus 5.5 von Anthropic erreicht das neuronale Netz eine Effizienz von 96 Prozent bei 5 Prozent des Preises. Die leichtere Version MAI Code 2 Flash konzentriert sich auf Routinevorgänge — Code-Erklärungen, schnelle punktuelle Korrekturen — und ist bereits in GitHub Copilot verfügbar.

Multimodalität und Stimme: MAI Image 2.7 und MAI Realtime 1

Zu den Neuerungen gehören multimodale und sprachbasierte Lösungen. MAI Image 2.7 erstellt und bearbeitet Bilder; laut Microsoft führte das Modell das Ranking für Fotobearbeitungstools auf der Plattform Artificial Analysis an und übertraf damit GPT Image 2.6 Sunburst von OpenAI, während die Nutzung fünfmal günstiger ist. MAI Realtime 1 ist das erste Modell des Unternehmens für direkte Sprachkommunikation (Speech-to-Speech) mit minimaler Latenz. Die Kosten für die Nutzung beginnen bei 0,01 Dollar pro Minute Audio — ein Wert, der Sprach-KI-Assistenten für den massenhaften Unternehmenseinsatz wirtschaftlich zugänglich macht.

Medizin und Optimierung: Dragon Copilot Transcribe und Decision 1.1

Für die Medizinbranche stellte Microsoft Dragon Copilot Transcribe vor, ein Werkzeug zur Sprachaufzeichnung auf Basis von MAI Transcribe 2. Laut dem Unternehmen betreut das System bereits monatlich 10 Millionen Patientenbehandlungen und hat die Fehlerquote bei mehrsprachiger Transkription halbiert. Ein weiteres Produkt ist Decision 1.1, ein intelligenter Router, der komplexe Aufgaben nur bei tatsächlichem Bedarf an leistungsstärkere Modelle weiterleitet. Microsoft behauptet, die Lösung arbeite 50-mal schneller und sei 79-mal günstiger als GPT-Sol 6.1, was sie zu einem effizienten „Dispatcher“ für mehrstufige KI-Pipelines macht.

Infrastruktur: MAI Licensed Weights und der Maia 200 Chip

Zusammen mit den Softwareprodukten stellte das Unternehmen MAI Licensed Weights vor — lizenzierte Modellgewichte, die es Unternehmen ermöglichen, neuronale Netze mit eigenen vertraulichen Daten nachzutrainieren und in einer geschlossenen Azure-Cloud-Umgebung bereitzustellen. Um den Betrieb der größten Modelle in der Produktion zu gewährleisten, nutzt Microsoft den eigenen KI-Beschleuniger der zweiten Generation, Maia 200. Nach Unternehmensschätzungen generiert der Chip im Vergleich zu führenden Grafikprozessoren auf dem Markt 1,7-mal mehr Token pro Watt Energieverbrauch, was die Betriebskosten der Infrastruktur senkt und den CO2-Fußabdruck der Rechenzentren reduziert.

Die auf der Ignite präsentierte MAI-Reihe spiegelt den Wandel in der Branche wider: weg vom Wettlauf um die absolute Qualität universeller Modelle hin zur Wirtschaftlichkeit spezialisierter Lösungen. Sollten sich die von Microsoft angegebenen Leistungs- und Kostendaten in unabhängigen Benchmarks bestätigen, könnte dies die Machtverhältnisse auf dem Markt für Unternehmens-KI erheblich verändern und die Implementierung autonomer Agenten in Branchen beschleunigen, in denen die Token-Kosten bisher ein Haupthindernis darstellten.