Microsoft kappt die Abhängigkeit von OpenAI. Der Konzern setzt künftig auf eigene KI-Modelle.
Auf der Entwicklerkonferenz Build 2026 Anfang Juni präsentierte Microsoft eine strategische Neuausrichtung seiner KI-Entwicklungstools. Mit der „MAI“-Modellfamilie bringt der Konzern gleich sieben eigene KI-Modelle an den Start – und leitet damit das Ende der Ära ein, in der Microsoft bei OpenAI in die Röhre schauen musste. Das Projekt trägt den Codenamen Project Polaris und soll OpenAI-Modelle Schritt für Schritt aus der Entwicklerplattform GitHub Copilot verdrängen. Bereits jetzt ist das Modell MAI-Code-1-Flash in Copilot integriert.
Während Microsoft seine eigene KI-Infrastruktur massiv ausbaut, bietet ChatGPT bereits heute unzählige Möglichkeiten, den privaten und beruflichen Alltag effizienter zu gestalten. Wie Sie die KI-Tools auch ohne Expertenwissen für Ihre Organisation und Zeitersparnis nutzen, erfahren Sie in diesem kostenlosen Ratgeber. ChatGPT als Alltagshelfer: Gratis-PDF mit fertigen Prompts sichern
Das Flaggschiff: MAI-Thinking-1 mit einer Billion Parametern
An der Spitze der neuen Modellfamilie steht MAI-Thinking-1, ein Denkmodell der Spitzenklasse. Es nutzt eine sogenannte „Sparse Mixture of Experts“-Architektur – eine clevere Bauweise, bei der nicht alle, sondern nur die relevanten Teile des neuronalen Netzes aktiviert werden. Insgesamt verfügt das Modell über rund eine Billion Parameter, aktiv sind davon jedoch nur 35 Milliarden. Das spart Rechenleistung und Kosten.
Mit einem Kontextfenster von 256.000 Token kann MAI-Thinking-1 enorme Textmengen auf einmal verarbeiten. In Tests auf dem Benchmark SWE-Bench Pro erreichte es die Leistungsfähigkeit von Claude Opus 4.6 – und in Blindtests soll es sogar Claude Sonnet 4.6 übertroffen haben.
Blitzschnell: MAI-Code-1-Flash für den Alltag
Für den täglichen Programmier-Einsatz hat Microsoft MAI-Code-1-Flash entwickelt. Das Modell kommt mit nur 5 Milliarden Parametern aus und ist für Routineaufgaben wie Refactoring oder Inline-Edits optimiert. Es steht ab sofort für GitHub-Copilot-Nutzer in VS Code zur Verfügung.
Die Leistungsdaten können sich sehen lassen: Auf SWE-Bench Pro übertrifft das Flash-Modell Claude Haiku 4.5 um 16 Punkte. Gleichzeitig senkt eine adaptive Steuerung der Antwortlänge den Token-Verbrauch um bis zu 60 Prozent.
Die komplette MAI-Familie im Überblick
Neben den beiden Spitzenmodellen umfasst die MAI-Reihe:
- MAI-Transcribe-1.5: Spracherkennung für 43 Sprachen
- MAI-Voice-2: Sprachmodell für 15 Sprachen
- MAI-Image-2.5: Bildgenerierung
- Aion-1.0-Instruct: Ein schlankes Modell, das direkt auf der CPU läuft – ganz ohne spezielle KI-Chips
GitHub Copilot wird zum Kommandozentrum für KI-Agenten
Am heutigen Montag hat GitHub eine weitere Neuerung vorgestellt: die Copilot App. Sie ist eine eigene Desktop-Umgebung für die Entwicklung mit mehreren KI-Agenten. Entwickler können hier mehrere KI-Assistenten parallel arbeiten lassen und über ein Dashboard namens „My Work“ in Echtzeit überwachen.
Die App bietet isolierte Umgebungen („Worktrees“), in denen die Aktivitäten der Agenten sauber getrennt bleiben. „Canvases“ dienen als gemeinsame Arbeitsfläche für Menschen und KI – hier lassen sich Code-Änderungen und Pläne visualisieren. Mit der Funktion „Agent Merge“ wird die Integration von KI-generiertem Code automatisiert: Pull Requests und Continuous-Integration-Checks laufen von selbst.
Parallel dazu hat GitHub das Copilot SDK für mehrere Programmiersprachen veröffentlicht – darunter Python, Node.js, Go, .NET, Rust und Java.
Abrechnung nach Verbrauch: Das Ende der Flatrate
Microsoft ändert auch das Preismodell von GitHub Copilot grundlegend. Statt pauschaler Abos gibt es ab Anfang Juni eine verbrauchsbasierte Abrechnung nach Tokens. Branchenbeobachter sehen darin den Beginn einer Kostensteigerung für Vielnutzer.
Für Unternehmen, die maßgeschneiderte Lösungen benötigen, hat Microsoft „Frontier Tuning“ entwickelt. Damit können Organisationen eigene MAI-Modelle trainieren – zu deutlich niedrigeren Kosten als bei GPT-5.4. Ein erstes Praxisbeispiel: Microsoft und die Mayo Clinic arbeiten gemeinsam an einem spezialisierten KI-Modell für das Gesundheitswesen. Die Klinik behält dabei die Eigentumsrechte am trainierten Modell.
Der technologische Fortschritt durch neue Modellfamilien wie MAI erfordert von Unternehmen auch eine rechtlich saubere Umsetzung gemäß der EU-Vorgaben. Dieser kompakte Leitfaden unterstützt Compliance-Verantwortliche dabei, die Anforderungen der KI-Verordnung an Kennzeichnung und Dokumentation fristgerecht zu erfüllen. Kostenlosen Umsetzungsleitfaden zum EU AI Act herunterladen
VS Code 1.123: Chat-Verlauf jetzt geräteübergreifend
Mit der neuen Version VS Code 1.123 führt Microsoft eine GitHub-gestützte Synchronisation für KI-Chat-Sitzungen ein. Entwickler können ihren Gesprächsverlauf, Dateikontext und Repository-Daten nahtlos zwischen verschiedenen Geräten nutzen. Neue „/chronicle“-Befehle ermöglichen die Suche durch vergangene Sitzungen und die automatische Erstellung von Standup-Berichten.
Ebenfalls neu: Spec Kit, ein Open-Source-Toolkit unter der MIT-Lizenz. Es setzt auf eine spezifikationsgetriebene Entwicklung: Bevor die KI Code generiert, müssen Entwickler detaillierte Vorgaben machen. Das soll die strukturelle Genauigkeit verbessern. Spec Kit ist mit über 30 KI-Agenten kompatibel, darunter Gemini CLI und Claude Code. Erste Rückmeldungen aus der Community zeigen jedoch: Der spezifikationsgetriebene Ansatz kann den Token-Verbrauch in die Höhe treiben.
