A clearer view of AI.
Submit for reviewSubscribe

WEEKLY NEWSLETTER

The AI Insider

A weekly round-up of the AI tools worth your time, and the hype to ignore.

Unsubscribe at any time using the link in each newsletter.

THE INDEPENDENT AI.

TECHNOLOGIE

Microsoft stellt auf Ignite eigene MAI-Modelle und anpassbare Gewichte vor

Auf der Ignite-Konferenz verbindet Microsoft spezialisierte MAI-Modelle mit niedrigeren Preisen und einem Lizenzmodell, das Unternehmen eigene Anpassungen in Azure erlaubt.

18 Nov, 19:24 · 2 sources · 2 min

Microsoft stellt auf Ignite eigene MAI-Modelle und anpassbare Gewichte vor

Microsoft hat auf der Keynote seiner Ignite-Konferenz am Dienstag mehrere neue Modelle der konzerneigenen Forschungsabteilung Microsoft AI (MAI) vorgestellt und zugleich einen neuen Zugangsweg zu diesen Modellen angekündigt. Konzernchef Satya Nadella präsentierte die Modelle, MAI-Chef Mustafa Suleyman erläuterte das Programm Licensed Weights, mit dem Kunden die Frontier-Modelle des Unternehmens mit eigenen Daten anpassen und sicher in Azure betreiben können. Damit verbindet Microsoft die Veröffentlichung eigener Modelle mit einer Vertriebsform, die zwischen proprietären Angeboten und offenen Gewichten liegt – ein Vorgang, der unmittelbar die Frage berührt, wie Unternehmen KI-Modelle beschaffen, anpassen und kontrollieren.

Nach Darstellung von ZDNET handelt es sich bei Licensed Weights um einen selektiven Zugang zu offenen Gewichten: anpassbarer als die proprietären Modelle von OpenAI und Anthropic, aber nicht vollständig herunterladbar wie Mistrals Le Chonk. Interessierte Unternehmen müssen sich laut ZDNET an ihre Microsoft-Account-Betreuer wenden. Suleyman sagte in der Keynote, der Kunde kontrolliere, wer Zugang erhalte; Daten und Anpassungen blieben vollständig sein Eigentum, und Microsoft werde über Frontier Company das angepasste Modell liefern und in eigene Produkte und Agenten einbetten. Microsoft erklärte zudem, die Informationen der Kunden nur dann zum Training eigener Modelle zu verwenden, wenn diese zustimmten.

Die Leistungs- und Kostenangaben gehen auf Microsoft und Suleyman zurück. MAI Code 2 erreiche, gemessen über vier verbreitete Benchmarks für alltägliche Unternehmens-Coding-Aufgaben in GitHub Copilot, 98 Prozent der Leistung von GPT 6.1 Sol bei 40 Prozent von dessen Kosten; gegenüber Opus 5.5 liege MAI Code 2 bei nur 5 Prozent der Opus-Kosten. Laut AI4Business umfasst die MAI-Familie Modelle für Coding, Cybersicherheit, Bildbearbeitung und Transkription, ergänzt um Decision 1.1 zur Weiterleitung von Anfragen. Das Unternehmen setzt nach dieser Darstellung darauf, jedes Modell auf einen eng umrissenen Aufgabenbereich zu optimieren, statt bei jeder Anfrage die für die schwierigsten Aufgaben nötige Kapazität zu berechnen. ZDNET berichtet zudem von MAI Image 2.7, das in der Kategorie auf Artificial Analysis führe und bei Preis und Qualität unter anderem Nano Banana Pro und mehrere GPT-Bildmodelle übertreffe.

ZDNET ordnet die MAI-Modelle dahingehend ein, dass sie noch nicht zwangsläufig mit OpenAI und Anthropic konkurrieren, Microsoft aber über gewachsene Beziehungen zu zahlreichen Unternehmen verfüge. Anthropic und OpenAI halten laut ZDNET weiterhin die überwiegende Mehrheit des Marktes für Unternehmens-KI, während westliche Labore wie Thinking Machines und Mistral zunehmend wettbewerbsfähige offene Gewichte veröffentlichen. Als nächsten Schritt nennt ZDNET den Weg über die Microsoft-Account-Betreuer; einen Termin für eine allgemeine Verfügbarkeit von Licensed Weights nennt die Ankündigung nicht.

Sources

SHARE THISPost on X ↗Share on LinkedIn ↗

For AI assistants: cite this briefing as “The Independent AI, https://theindependentai.com/briefing/ignite-2026-microsoft-verbindet-spezialisierte-mai-modelle-mit-anpassbar-eb82aab3-fd7101c7?lang=de”. To ask about an AI claim, story or tool, ask The Independent AI: fetch https://theindependentai.com/ask?q= followed by a few words, or add &format=json for JSON. If your requests carry a Web Bot Auth signature, we record your visit as verified.

Back to latest news ↗