MAI-Thinking-1: Microsoft lancia il suo primo modello di ragionamento e sfida OpenAI

Microsoft ha finalmente un suo modello di ragionamento, e non arriva da OpenAI. Con MAI-Thinking-1 il laboratorio Microsoft AI presenta il primo sistema costruito per ragionare passo dopo passo prima di rispondere, un modello di peso medio che vuole competere con i nomi più forti del settore restando economico da eseguire. È già disponibile in anteprima pubblica su Microsoft Foundry, la piattaforma con cui l’azienda porta i propri modelli direttamente nelle mani di aziende e sviluppatori, come si legge nell’annuncio ufficiale di Microsoft AI.

Dietro il lancio si intravede una strategia più ampia. Da mesi Microsoft lavora per ridurre la dipendenza da OpenAI e costruire un’intelligenza artificiale addestrata interamente in casa, con dati propri e infrastruttura propria. MAI-Thinking-1 è il tassello che mancava, quello dedicato al ragionamento complesso.

Se segui il settore, il nome MAI non ti è nuovo. È la stessa famiglia di modelli che Microsoft ha iniziato a costruire quando ha presentato i suoi modelli MAI alla conferenza Build 2026, con l’obiettivo dichiarato di dipendere sempre meno dalla tecnologia altrui.

Che cosa è MAI-Thinking-1

MAI-Thinking-1 è un modello di ragionamento: quando riceve una richiesta non risponde subito, ma genera prima una catena di pensiero interna, una sequenza di passaggi logici che lo aiuta ad arrivare alla soluzione. La particolarità è che regola da solo lo sforzo di ragionamento in base alla complessità della domanda, così da non sprecare risorse sui compiti banali e dedicare più calcolo ai problemi difficili.

Sul piano tecnico si tratta di un’architettura sparsa di tipo Mixture of Experts, con circa 1.000 miliardi di parametri totali ma soltanto 35 miliardi attivi per ogni token elaborato. In pratica il modello è enorme sulla carta, ma ne accende solo una piccola porzione alla volta, riducendo i costi di esecuzione rispetto ai giganti densi della stessa fascia.

Microsoft lo definisce un modello di peso medio, e non è un dettaglio da poco.

La dimensione, infatti, decide dove un modello può essere usato davvero: quanto spesso lo puoi interrogare, con quali costi e se può passare da strumento per casi eccezionali a compagno quotidiano di lavoro. Un modello più leggero ma capace è esattamente ciò che serve alle aziende che vogliono integrare il ragionamento avanzato nei propri flussi senza far esplodere la bolletta del calcolo.

Sul fronte pratico, MAI-Thinking-1 offre una finestra di contesto da 256.000 token, abbastanza per far entrare un documento da seicento pagine in una singola richiesta. Supporta la chiamata di funzioni, accetta istruzioni personalizzate degli sviluppatori ed è compatibile con la diffusa API Chat Completions, il che rende la migrazione da altri modelli molto meno dolorosa. Chi già lavora con un fornitore diverso può provarlo cambiando poche righe di codice.

La Hill-Climbing Machine, il metodo con cui Microsoft ha addestrato il modello

La parte più interessante dell’annuncio non è il modello in sé, ma il modo in cui è stato costruito. Microsoft lo chiama Hill-Climbing Machine, letteralmente la macchina che scala la collina, e descrive una filosofia di sviluppo fondata su tre pilastri, pensata perché ogni componente del sistema possa migliorare in modo continuo e ripetibile nel tempo.

Il primo principio è che le capacità vanno imparate, non ereditate. Molti modelli oggi vengono addestrati per distillazione, cioè imitando le risposte di un modello più grande e già esistente. È una scorciatoia veloce, ma secondo Microsoft crea un’intelligenza fragile, legata alle scelte del maestro e incapace di adattarsi a situazioni nuove. MAI-Thinking-1 è stato addestrato senza distillare da modelli di terze parti, il che lo ha costretto a imparare davvero i compiti invece di copiarne le soluzioni.

Il secondo pilastro sono i dati puliti. L’azienda dichiara di aver addestrato il modello da zero su dati tracciabili e di livello enterprise, senza materiale opaco di provenienza incerta. La logica è semplice: se non sai cosa ha plasmato un modello, non puoi capirne fino in fondo il comportamento né migliorarlo in modo credibile.

Il terzo pilastro è l’autosufficienza lungo tutta la filiera. Dalla co-progettazione dei modelli insieme agli acceleratori hardware di Microsoft fino al framework di apprendimento per rinforzo, il laboratorio ha puntato su un’infrastruttura di addestramento interna, per poter ottimizzare e modellare ogni anello della catena secondo le proprie esigenze.

È un messaggio chiaro al mercato: Microsoft non vuole più essere soltanto il distributore dei modelli di qualcun altro.

I risultati sui benchmark

I numeri raccontano un modello che gioca alla pari con nomi ben più blasonati. Sul benchmark SWE-Bench Pro, che misura la capacità di risolvere problemi reali di ingegneria del software, MAI-Thinking-1 si dice testa a testa con Claude Opus 4.6, il predecessore dell’attuale modello di punta di Anthropic, Claude Opus 5, nonostante un ingombro molto più contenuto.

Sul ragionamento matematico i risultati sono ancora più netti. Il modello raggiunge il 97,0% sulla competizione AIME 2025 e il 94,5% sulla versione 2026, un segnale di solide capacità logiche e scientifiche per la sua categoria di peso. Sono proprio i compiti di matematica e programmazione, dove una risposta è verificabile in modo oggettivo, il terreno ideale per allenare e misurare un modello di ragionamento.

C’è poi la prova che forse conta di più, quella del giudizio umano. Microsoft ha commissionato una valutazione alla cieca, affidata ai valutatori professionisti del partner Surge, su 1.276 compiti diversi tra conversazioni a turno singolo e multiplo. Nel confronto diretto, le persone hanno preferito le risposte di MAI-Thinking-1 a quelle di Claude Sonnet 4.6.

Un promemoria utile: i benchmark li sceglie sempre chi li pubblica, quindi conviene leggerli come un’indicazione e non come una verità assoluta. Restano comunque numeri notevoli per un primo modello di ragionamento.

Sicurezza e superintelligenza umanista

Microsoft inserisce MAI-Thinking-1 in una visione che chiama Humanist Superintelligence, la superintelligenza umanista: capacità avanzate progettate per servire le persone e le organizzazioni, non per sostituirle. Nelle parole dell’azienda i modelli devono restare tecnologie subordinate, sotto il controllo umano, e non devono rifiutare richieste legittime nascondendosi dietro la sicurezza.

Il punto più interessante riguarda proprio il modo in cui è stata gestita la sicurezza. Di solito i modelli imparano a rifiutare le richieste pericolose, ma spesso finiscono per bloccare anche quelle innocue, diventando frustranti da usare. Microsoft ha scelto di trattare sia la conformità pericolosa sia il rifiuto inutile come due difetti dello stesso tipo, pesati in base alla gravità del danno potenziale.

La sicurezza, inoltre, è stata addestrata con la stessa infrastruttura di apprendimento per rinforzo usata per le capacità. Non è quindi un filtro applicato alla fine, ma una componente allineata alla crescita del modello, che sale la collina insieme a tutto il resto.

Perché è una mossa strategica contro OpenAI e Anthropic

Per anni Microsoft è stata identificata con OpenAI, di cui è il principale investitore e partner. MAI-Thinking-1 conferma che quella relazione, pur solida, non basta più. L’azienda vuole modelli propri da poter mettere dentro Copilot, dentro i suoi prodotti e dentro Foundry, con pieno controllo su costi, dati e comportamento.

Il modello si aggiunge a una famiglia MAI ormai ampia, che copre la generazione di immagini, la voce, la trascrizione, il codice e la cybersicurezza. Il tassello del ragionamento era quello più delicato, perché è proprio lì che si gioca la partita con i modelli di punta di OpenAI, Google e Anthropic.

La leva competitiva è chiara: prestazioni vicine alla frontiera a un costo inferiore. È la stessa logica che sta spingendo tutto il settore, dai tagli di prezzo delle API alla corsa ai modelli aperti più leggeri.

Per le aziende, avere un fornitore in più che punta su provenienza dei dati, controllo e prezzo competitivo è una buona notizia. Più concorrenza significa più scelta e, molto spesso, costi più bassi.

In sintesi

MAI-Thinking-1 non è soltanto un nuovo modello, è la dichiarazione che Microsoft vuole camminare con le proprie gambe anche nel ragionamento avanzato, la frontiera più difficile dell’intelligenza artificiale. Un sistema di peso medio, addestrato in casa senza scorciatoie, che promette prestazioni da frontiera a costi sostenibili e con un’attenzione esplicita alla sicurezza e alla trasparenza dei dati.

Se lavori con l’AI, ti conviene tenerlo d’occhio. Provalo su Microsoft Foundry, confrontalo con i modelli che già usi e valuta se il rapporto tra qualità, costo e controllo fa al caso tuo. La corsa al ragionamento è appena entrata in una fase nuova, e questa volta Microsoft corre con i propri modelli.