---
title: "MAI-Thinking-1 – 微软推出的首款自研高级推理模型"
url: "https://paooo.com/aigc-news/18589/"
author: "Prompt 语宙研究院"
published_at: "2026-06-07T18:02:14+08:00"
updated_at: "2026-06-07T18:02:14+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI编程, Claude, DeepSeek"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# MAI-Thinking-1 – 微软推出的首款自研高级推理模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/18589/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-07

## AI 30 秒核心看点 (TL;DR)

- 35B活跃参数、约1T总参数的稀疏MoE架构，让它以更低推理成本逼近顶级大模型性能。
- 在AIME 2025/2026与SWE-Bench Pro等基准上表现强劲，兼顾STEM推理与软件工程任务。
- 从头训练、无第三方蒸馏、支持256K上下文与工具调用，适合企业级代码和Agent场景。

## MAI-Thinking-1是什么

MAI-Thinking-1 是微软推出的首款自研高级推理模型。模型采用 35B 活跃参数 / 约 1T 总参数的稀疏 MoE 架构，完全基于干净、商业授权数据从头训练，未使用任何第三方模型蒸馏。在 SWE-Bench Pro、AIME 2025/2026 等关键基准上达到业界顶尖水平，与 [Claude Opus 4.6](https://ai-bot.cn/claude-opus-4-6/) 持平，在盲测中优于 [Sonnet 4.6](https://ai-bot.cn/claude-sonnet-4-6/)。

## MAI-Thinking-1的主要功能

- 
**高级数学与科学推理**：在 AIME 2025 上达到 97.0%，AIME 2026 上达到 94.5%，具备极强的 STEM 推理能力。

- 
**智能软件工程**：在 SWE-Bench Pro 上获得 52.8%，在 LiveCodeBench v6 上获得 87.7%，支持多步骤代码阅读、编辑、测试与错误恢复。

- 
**超长上下文处理**：支持最高 256K 的上下文窗口，可处理长文档与大规模代码库。

- 
**工具调用与 Agent 能力**：可调用外部工具与环境交互，执行复杂的多步骤任务。

- 
**安全与有用性平衡**：在 RL 训练中同时优化 helpfulness 和 safety，减少有害输出。

## MAI-Thinking-1的技术原理

- **稀疏 MoE 架构**：MAI-Thinking-1 采用 78 层 Decoder-only Transformer，交替使用 8/512 专家激活的稀疏 MoE 层与密集 FFN 层，配合 5:1 局部/全局注意力机制，在保持 35B 活跃参数的同时实现接近 1T 总参数的性能，显著降低推理时的 KV Cache 与计算开销。

- **数据与预训练**：模型基于 30T tokens 的干净、商业授权数据从头预训练，严格排除 AI 生成内容与开源训练集，并对常见基准进行去污染处理；中期训练额外强化 STEM、数学与代码能力，最终支持 256K 超长上下文。

- **强化学习”爬坡”**：微软提出”Hill-Climbing Machine”理念，通过自研 RL 框架从零开始学习推理链，不依赖先验 CoT 蒸馏，分别针对 STEM 推理、Agentic 编码和 Helpfulness & Safety 三个领域进行数千步的持续对数线性提升。

- **评估体系**：内部建立近 40 个 NLL 基准覆盖代码、STEM、数学、通用知识和多语言五大类，优先采用负对数似然非多选题评估，避免格式偏差；同时构建私有基准防止数据污染，确保评估结果真实反映模型能力。

## 如何使用MAI-Thinking-1

MAI-Thinking-1 的具体使用方式和接入渠道尚未公布。

## MAI-Thinking-1的核心优势

- 
**完全自研无蒸馏**：不继承第三方模型的设计偏见，具备更强的可操控性和适应能力。

- 
**中等规模，顶尖性能**：35B 活跃参数即可对标 Claude Opus 4.6 等更大模型，推理成本更低，部署更灵活。

- 
**数据纯净可追溯**：排除 AI 生成内容，确保模型行为可解释、可改进。

- 
**全栈自主可控**：从微软自研加速器到训练框架、RL 环境均为内部构建，可端到端优化。

- 
**持续进化能力**：爬坡机器架构支持吸收更优数据、更强奖励和更多算力，实现能力的持续提升。

## MAI-Thinking-1的项目地址

- **项目官网**：https://microsoft.ai/news/introducing-mai-thinking-1/

- **技术论文**：https://microsoft.ai/wp-content/uploads/2026/06/main_20260602_2.pdf

## MAI-Thinking-1的同类竞品对比

维度
MAI-Thinking-1
[Claude Opus 4.6](https://ai-bot.cn/claude-opus-4-6/)
[DeepSeek-R1](https://ai-bot.cn/deepseek-r1/)

**架构**
35B 活跃 / 1T 总参数 MoE
未公开（大密集模型）
37B 活跃 / 671B 总参数 MoE

**训练方式**
从头训练，无蒸馏
未公开
基于 DeepSeek-V3 蒸馏

**SWE-Bench Pro**
52.8%
~52.8%（持平）
约 49-50%

**AIME 2025**
97.0%
未明确
约 79.8%

**上下文长度**
256K
200K
128K

**数据策略**
纯净商业数据，无 AI 生成内容
未明确
开源+合成数据

**全栈自主**
是（微软自研硬件到框架）
否（Anthropic）
部分（依赖 NVIDIA 生态）

## MAI-Thinking-1的应用场景

- 
**企业级软件开发**：辅助开发者进行代码审查、Bug 修复、功能实现和自动化测试。

- 
**科学研究与复杂计算**：解决高等数学、物理、化学等复杂推理问题。

- 
**长文档分析与知识管理**：处理法律合同、技术文档、论文等超长文本的深度理解与摘要。

- 
**AI Agent 工作流**：作为核心推理引擎，驱动自动化办公、数据分析、系统运维等 Agent 任务。

## 常见问题解答 (FAQ)

### MAI-Thinking-1是什么模型？
MAI-Thinking-1是微软推出的首款自研高级推理模型，采用35B活跃参数、约1T总参数的稀疏MoE架构。它从头训练，未使用第三方模型蒸馏，重点强化数学、科学推理和软件工程能力。

### MAI-Thinking-1适合哪些应用场景？
它适合企业级软件开发、科学研究与复杂计算、长文档分析与知识管理，以及AI Agent工作流。尤其在代码阅读、编辑、测试、错误恢复和多步骤任务执行方面更有优势。

### MAI-Thinking-1和Claude Opus 4.6相比如何？
文中信息显示，MAI-Thinking-1在SWE-Bench Pro等关键基准上达到业界顶尖水平，与Claude Opus 4.6持平，并在盲测中优于Sonnet 4.6；同时它的活跃参数更小，推理成本更有潜力更低。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
