Microsoft hat mit MAI Code 2 und MAI Code 2 Flash zwei eigene Coding-Modelle vorgestellt, die ab sofort in GitHub Copilot auswählbar sind. Die Modelle stammen aus dem hauseigenen Team Microsoft AI (MAI) und wurden laut Modellkarte vollständig von Microsoft vor- und nachtrainiert. Das Versprechen: fast die Qualität der aktuellen Spitzenmodelle von OpenAI und Anthropic bei einem Bruchteil der Kosten pro Aufgabe. Wer genauer hinsieht, findet allerdings eine Rabattrechnung, einige Einschränkungen und eine Modellkarte mit widersprüchlichen Angaben.
MAI Code 2: Was Microsoft angekündigt hat
Die Ankündigung von Microsoft AI vom 17. November 2026 erschien zur Konferenz Ignite. MAI Code 2 ist das größere Modell und soll laut Microsoft vor allem bei Debugging, Änderungen über mehrere Dateien, Schlussfolgerungen über ganze Repositories und Oberflächen-Code stark sein. MAI Code 2 Flash ist die kleinere, günstigere Variante für Erklärungen, gezielte Änderungen, Routine-Fixes und schnelle Iterationen.
Die beiden Modelle gehören zu einer Reihe von insgesamt sieben neuen MAI-Modellen, die Microsoft am selben Tag vorgestellt hat. Dazu zählen unter anderem MAI Cyber 2 Flash für Sicherheitsaufgaben, das Bildmodell MAI Image 2.7, das Sprachmodell MAI Realtime 1 und das Entscheidungsmodell Decision 1.1. Außerdem meldet Microsoft, dass sein KI-Beschleuniger Maia 200 inzwischen in Produktion die größten eigenen Modelle betreibt.
Bemerkenswert ist eine Einschränkung, die Microsoft selbst formuliert: Die Modelle seien ausdrücklich noch nicht auf schwierigere Probleme wie Grundlagenforschung oder sehr lange agentische Arbeit abgestimmt. Der Fokus liegt auf dem, was in Unternehmen täglich anfällt.
Die Benchmarks laut Microsoft
Microsoft vergleicht MAI Code 2 mit GPT-6.1 Sol von OpenAI und Claude Opus 5.5 von Anthropic. Grundlage ist der Durchschnitt aus vier Benchmarks: DeepSWE 1.1, Terminal-Bench 2.1, SWE-Atlas und FrontierCode v1.1. Demnach erreicht MAI Code 2 rund 98 Prozent der Leistung von GPT-6.1 Sol bei etwa 40 Prozent der Kosten und 96 Prozent der Leistung von Claude Opus 5.5 bei 5 Prozent der Kosten.
Die Einzelwerte hat InfoWorld aus Microsofts Angaben zusammengetragen:
- Durchschnitt: MAI Code 2 kommt auf 63,2 Prozent, GPT-6.1 Sol auf 64,1 Prozent und Claude Opus 5.5 auf 65,3 Prozent.
- DeepSWE 1.1: 73,2 Prozent gegenüber 74,6 (GPT-6.1 Sol) und 69 (Opus 5.5).
- Terminal-Bench 2.1: 84,6 Prozent gegenüber 85 und 78,7.
- SWE-Atlas: 43,1 Prozent gegenüber 47,4 und 57,5.
- FrontierCode v1.1: 52 Prozent gegenüber 49,4 und 56.
- Kosten pro Aufgabe: 0,309 Dollar für MAI Code 2, 0,761 Dollar für GPT-6.1 Sol und 6,306 Dollar für Claude Opus 5.5.
Für MAI Code 2 Flash nennt Microsoft eine vergleichbare Leistung wie GPT-6 Luna und Claude Haiku 5.5 auf drei Benchmarks, bei 65 beziehungsweise 20 Prozent der Kosten. Die Kosten pro Aufgabe liegen laut InfoWorld bei 0,052 Dollar gegenüber 0,080 Dollar (GPT-6 Luna) und 0,319 Dollar (Haiku 5.5).
Dazu kommt eine Blindstudie zur Frontend-Arbeit: Bei Oberflächen, Spielen, Datenvisualisierungen, 3D-Szenen und SVG-Grafiken bevorzugten Entwickler die Ergebnisse von MAI Code 2 in 64 Prozent der Fälle gegenüber GPT-6 Sol. Laut Fußnote bewerteten 258 Annotatoren Optik und Funktion.
Alle Zahlen stammen von Microsoft. Die Tests liefen mit maximalem Reasoning-Aufwand auf Microsofts interner Plattform MSBench, mit der Copilot CLI als Umgebung und ohne Subagenten. Unabhängige Nachtests gibt es bislang nicht.
Der Haken: Preisvergleich zum Aktionspreis
Die Kostenvorteile sind kleiner, als die Schlagzeile nahelegt. In der Fußnote zur Ankündigung steht, dass die Kosten für MAI Code 2 und Flash zum 50-prozentigen Aktionspreis berechnet wurden. Laut der von InfoWorld zitierten Copilot-Preisseite kostet MAI Code 2 bis zum 17. Mai 2027 0,50 Dollar pro Million Eingabe-Tokens, 0,025 Dollar pro Million gecachter Eingabe-Tokens und 2,50 Dollar pro Million Ausgabe-Tokens. Danach verdoppeln sich die Preise auf 1,00, 0,05 und 5,00 Dollar. Für Flash gelten zunächst 0,05, 0,005 und 0,25 Dollar, später 0,10, 0,01 und 0,50 Dollar.
Nach Ende der Aktion läge MAI Code 2 rechnerisch also eher bei rund 80 Prozent der Kosten von GPT-6.1 Sol statt bei 40 Prozent, sofern die übrigen Preise gleich bleiben. Bei Flash fiele der Vorteil gegenüber GPT-6 Luna rechnerisch sogar ganz weg: Aus 0,052 würden rund 0,104 Dollar pro Aufgabe, gegenüber 0,080 Dollar für GPT-6 Luna. Der Analyst Sanchit Vir Gogia von Greyhound Research weist gegenüber InfoWorld zudem darauf hin, dass Microsoft die Kosten eines Benchmark-Laufs vergleicht und keinen veröffentlichten Preis pro Token. Wie viele Tokens ein Modell für eine Aufgabe braucht, hängt stark von der Arbeitslast ab.
Was die Modellkarte verrät
Die Modellkarte liefert technische Details, ist aber nicht in allen Punkten stimmig. Beide Modelle sind Decoder-only-Transformer mit Mixture-of-Experts-Schichten und integriertem Bild-Encoder. Sie verarbeiten Text und Bilder, das Kontextfenster umfasst rund 1,05 Millionen Tokens, die Ausgabe ist auf 128.000 Tokens begrenzt. Der Wissensstand reicht bis August 2026. Die Gewichte werden nicht veröffentlicht, die Modelle laufen nur als Dienst auf Azure.
Bei der Größe widerspricht sich die Karte: In der Übersicht steht für MAI Code 2 „50B–100B (80B active)“, im Fließtext dagegen 77 Milliarden aktive und rund 2,8 Billionen Parameter insgesamt. Für Flash nennt die Übersicht 5 bis 15 Milliarden Parameter, der Text 12 Milliarden aktive und rund 398 Milliarden insgesamt. Welche Angabe gilt, lässt Microsoft offen.
Interessant sind auch die Grenzen, die Microsoft selbst auflistet:
- Die Modelle sind zum Start nur für englischsprachige Code-Erzeugung optimiert.
- In langen Agenten-Sitzungen können sie Werkzeugaufrufe wiederholen, von Anweisungen abdriften oder aufhören, bevor ihre Arbeit vollständig geprüft ist.
- Beim Alignment stuft Microsoft beide Modelle ähnlich wie GPT-5.6 Sol ein, aber als weniger gut ausgerichtet als GPT-6.
- Auf SWE-Atlas schneidet das kleine Flash-Modell laut Karte mit 44,8 Prozent etwas besser ab als das große Modell mit 43,1 Prozent.
Für Biologie- und Cyber-Risiken setzt Microsoft ein zweistufiges Klassifikatorsystem ein. Ein schneller Filter erkennt relevante Inhalte, ein zweites Prüfmodell blockiert Antworten oberhalb einer Risikogrenze. Als Beispiel nennt die Karte die Entwicklung verketteter Exploits. Wiederholte Verstöße werden von Menschen geprüft und können bis zur Sperrung des Dienstes führen.
Verfügbarkeit in GitHub Copilot
Laut GitHub-Changelog ist MAI Code 2 in den Copilot-Tarifen Pro, Pro+, Max, Business und Enterprise verfügbar. MAI Code 2 Flash gibt es zusätzlich auch in Copilot Free und Student. Abgerechnet wird nutzungsbasiert. Die Modelle lassen sich in VS Code, Visual Studio, der Copilot CLI, dem Cloud-Agenten, auf github.com, in den Mobil-Apps sowie in JetBrains-IDEs, Xcode und Eclipse auswählen.
Für Unternehmen wichtig: Neue Modelle werden in Copilot Business und Enterprise standardmäßig automatisch freigeschaltet, sofern Administratoren die globale Voreinstellung nicht deaktiviert oder das Modell gezielt gesperrt haben. Wer Modelle vor dem Einsatz intern prüfen will, sollte die Modellrichtlinie in den Copilot-Einstellungen kontrollieren.
MAI Code 2 Flash ist zusätzlich in einer Vorschau mit begrenztem Zugang in Microsoft Foundry verfügbar und dort über eine OpenAI-kompatible Responses-API ansprechbar. Weitere Plattformen wie OpenRouter und Vercel sollen laut Microsoft bald folgen.
Einordnung
MAI Code 2 ist vor allem ein strategisches Signal. Microsoft baut neben der Partnerschaft mit OpenAI eigene Modelle für sein wichtigstes Entwicklerprodukt und setzt dabei auf Preis statt Spitzenleistung. Für Teams, die Copilot ohnehin nutzen, ist das eine weitere Option im Modellwähler, die sich mit eigenen Aufgaben testen lässt. Die beworbenen Kostenvorteile gelten aber nur bis Mai 2027 in voller Höhe, und die Benchmarks stammen ausschließlich von Microsoft.
Ein Vergleich lohnt sich mit den gerade erschienenen Modellen GPT-6.2 Astra und Sol, die OpenAI ebenfalls über Effizienz statt reine Leistung verkauft. Wer wissen will, wie sich solche Modelle im Editor-Alltag schlagen, findet in unserem Test des KI-Editors Orca Hinweise, worauf es in der Praxis ankommt: auf nachvollziehbare Änderungen, die man vor dem Mergen selbst prüft.



