# MAI-Thinking-1 – 微软推出的首款自研高级推理模型

- Link: https://paooo.com/aigc-news/18589/
- Published: 2026-06-07T18:02:14+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/ai-study/)
   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](https://paooo.com/trends/)
   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/)。

阅读目录

 * [MAI-Thinking-1是什么](https://paooo.com/aigc-news/18589/#maithinking1%e6%98%af%e4%bb%80%e4%b9%88)
 * [MAI-Thinking-1的主要功能](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [MAI-Thinking-1的技术原理](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用MAI-Thinking-1](https://paooo.com/aigc-news/18589/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8maithinking1)
 * [MAI-Thinking-1的核心优势](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [MAI-Thinking-1的项目地址](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [MAI-Thinking-1的同类竞品对比](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [MAI-Thinking-1的应用场景](https://paooo.com/aigc-news/18589/#maithinking1%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![MAI-Thinking-1](https://paooo.com/wp-content/uploads/2026/06/MAI-Thinking-1-website-
1.avif)

## 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](https://paooo.com/aigc-news/)
   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。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**Claude ↗**

Anthropic 打造的新一代安全人工智能模型，具备超长上下文理解能力，最强代码伴侣。

**Opus ↗**

Opus助力创意革新，在内容创作与营销推广等方面发挥作用，提供独特创作体验。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

35B激活参数怎么落地部署？

优先按 MoE 推理做分层部署：路由层与专家层分离，结合张量并行和专家并行控制显存峰值；
线上再用 KV Cache、批处理和长上下文裁剪，把 256K 能力留给高价值请求。

自研推理模型如何对齐业务场景？

先用数学、代码、检索三类高频任务做小闭环评测，再用企业私有数据做指令微调与偏好对
齐；不要只追基准分，重点看工具调用成功率、长链路稳定性和单位成本。

🗳️ 读者观点微投票 · 您的实战立场是？

自研大推理模型，微软这次真能摆脱外部依赖吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[💻 所属权威专题：Claude & AI 编程 / MCP →](https://paooo.com/topics/claude-mcp-coding/)

 * [Seed-Thinking-v1.5 – 字节跳动推出的最新思考模型](https://paooo.com/aigc-news/20381/)
 * [阿里Qwen3-Max-Thinking发布：万亿参数推理模型如何叫板GPT-5.2？](https://paooo.com/aigc-news/11817/)
 * [微软重磅开源Phi-4-reasoning-vision-15B：150亿参数多模态推理模型，速度超同类10倍，定义AI推理新范式](https://paooo.com/aigc-news/11335/)
 * [美团5600亿参数推理模型LongCat-Flash-Thinking：开源MoE架构引领AI Agent新范式](https://paooo.com/aigc-news/13594/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/18589/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
