Microsoft AI、推論モデルMAI-Thinking-1を発表

MAI-Thinking-1は中規模の推論モデルで、35B-active、約1T-totalパラメータのスパースMixture of Expertsである。大型モデルより推論時の負荷が小さい点を特徴とし、主要なソフトウェアエンジニアリング系ベンチマークで主要モデルに匹敵するという。SWE-Bench ProではClaude Opus 4.6と互角だとしている。ブラインドの人手による並列評価ではSonnet 4.6より好まれたという。

開発の土台として、Hill-Climbing Machineと呼ぶ共同設計のパイプラインを紹介している。より良いデータ、強い報酬、高度な環境、より多くの計算資源を取り込める反復可能な仕組みを目指すものだ。方針は三本柱で、能力は継承せず学習すること、クリーンなデータを使うこと、スタック全体で自前化することである。

学習環境ではエージェント型コーディングに力を入れた。各環境は決定的で実行可能であり、実際のテストスイートで採点される。コードを読み、ファイルを編集し、テストを実行し、失敗を観察して途中のミスから回復するといった複数ステップの作業を訓練するという。

数学面ではAIME 2025で97.0%、AIME 2026で94.5%に達した。同社はこの結果を、自社のデータ、報酬、評価プロセスから推論能力を伸ばせる根拠と位置づけ、他の領域にも一般化していくことを狙うとしている。アクセラレータの共同設計から強化学習フレームワークまで自社の学習基盤に注力しているとも述べている。