Hva er Microsofts MAI-modeller – og hva betyr de for deg som bruker GitHub Copilot?

Hvis du bruker GitHub Copilot i VS Code, er sjansen stor for at en ny Microsoft-egenutviklet AI-modell snart svarer på spørsmålene dine. Microsoft har sluppet to modeller under MAI-paraplyen, og den mest interessante detaljen er ikke hva Microsoft sier om dem – det er parametertallene de valgte å ikke fremheve.

MAI-Thinking-1 og MAI-Code-1-Flash er begge bygget på en arkitektur som kalles Mixture of Experts (MoE). Tanken er enkel: i stedet for at hele modellen er aktiv ved hvert svar, aktiveres bare en liten del av den faktiske vekten. Det er forskjellen på å ha et fagmøte med 200 spesialister der alle roper samtidig, kontra å slå opp hvilke tre som er relevante og bare snakke med dem.

Den konkrete konsekvensen for deg er raskere svar og lavere driftskostnader for Microsoft. Det er derfor MAI-Code-1-Flash ruller ut til GitHub Copilot-brukere – ikke fordi den er best i absolutt forstand, men fordi den er god nok og billig å kjøre i stor skala.

Hva er forskjellen på totale og aktive parametere?

MAI-Code-1-Flash har 137 milliarder totale parametere, men bare 5 milliarder aktive ved inferens. MAI-Thinking-1 har 1 000 milliarder totale parametere, men bare 35 milliarder aktive.

Aktive parametere er det som faktisk avgjør kostnaden og hastigheten. En modell med 5 milliarder aktive parametere oppfører seg, fra et ytelsesperspektiv, omtrent som en vanlig 5B-modell – selv om den teknisk sett inneholder 137 milliarder vekter fordelt på mange spesialiserte lag. Det er litt som å ha en stor boksamling der du bare åpner ett kapittel per spørring.

Dette mønsteret er ikke nytt. DeepSeek brukte samme MoE-prinsipp og ble tatt alvorlig av nettopp den grunn. Microsoft gjør nå det samme – men for sin egen infrastruktur og sine egne produkter.

Hva er MAI-Code-1-Flash, og hvem kan bruke den?

MAI-Code-1-Flash er ifølge Microsoft «purpose-built for GitHub Copilot and VS Code to deliver high performance and lower cost». Den ruller nå ut til GitHub Copilot-brukere i Visual Studio Code – altså de individuelle abonnementene, ikke bare enterprise.

Det er en ganske tydelig melding: Microsoft vil redusere kostnadene ved å kjøre Copilot. I stedet for å lene seg tungt på OpenAI (som de fortsatt eier 49 prosent av, men som koster penger per token), bygger de nå egne modeller tilpasset spesifikke oppgaver. Forholdet mellom Microsoft og OpenAI er mer sammensatt enn det ser ut, og dette er enda et tegn på at Microsoft vil stå mer på egne bein.

For deg som bruker Copilot betyr det i praksis at det ikke er noe du aktivt velger – Microsoft bytter ut motoren under panseret. Det kan gå begge veier: raskere svar og lavere ventetid, eller potensielt svakere svar på komplekse kodesituasjoner der en fullverdig stor modell hadde prestert bedre.

Hva er MAI-Thinking-1, og kan du bruke den?

MAI-Thinking-1 er den mer ambisiøse av de to. Reasoning-modeller er spesialbygd for å bruke mer tid på å «tenke seg om» før de svarer – egentlig betyr det at de genererer en intern kjede av mellomsteg før de formulerer et svar. Det er nyttig for matematikk, logikkproblemer og kompleks kodeanalyse.

Microsoft hevder at MAI-Thinking-1 slår Claude Sonnet 4.6 i interne blinde side-by-side-evalueringer. Jeg er forsiktig med slike påstander – de er alltid interne, alltid selektive, og sier lite om hverdagsbruk. Interessant nok, men ta det med en klype salt.

Tilgjengeligheten er begrenset til «select early partners» akkurat nå. Det betyr i praksis at du og jeg ikke kan teste den foreløpig. Microsoft vil sannsynligvis åpne opp mer etter hvert, men akkurat nå er MAI-Thinking-1 en enterprise-ressurs.

Thinking- og code-modellene er altså ikke noe du kan leke med i dag – Thinking er låst til noen utvalgte partnere, og Code ruller stille ut via Copilot uten at du velger det selv. Det som faktisk er tilgjengelig for vanlige folk akkurat nå, er bildemodellen Microsoft slapp samme kveld. Den dukket opp på OpenRouter, og jeg testet den der ett minutt etter release.

Jeg testet MAI-Image-2.5 – her er tallene

MAI-Image-2.5 er Microsofts bildemodell – og i motsetning til tekst- og reasoning-modellene er den faktisk åpent tilgjengelig via OpenRouter. Jeg genererte to bilder og målte alt jeg kunne.

Begge bildene tok rundt 21 sekunder å generere. Filstørrelsene var 1,5 MB og 1,7 MB – det er skikkelig oppløsning, ikke nedskalerte thumbnails. Prisen per bilde: ~$0,048, eller rundt 53 øre i norske kroner. For referanse: det er litt over dobbelt så dyrt som Grok Imagine via fal.ai ($0,022), men på nivå med Grok Imagine i kvalitetsmodus.

Det er en detalj i prismodellen som er verdt å forstå: på OpenRouter prises bilder som tokens. Et bilde koster 1 024 output-tokens (selve bildet) pluss de få input-tokenene prompten din tar. Det er en uvant måte å tenke på, men det betyr at du kan sammenligne bildekostnad direkte med tekstkostnad i de samme API-rapportene dine – og at pris per bilde er forutsigbar.

Fotorealisme er tydelig en styrke. Det første bildet – et norsk fjordlandskap i solnedgang – er genuint overbevisende. Snøkledde fjell, blankt vann med speiling, røde hytter i forgrunnen. Ingen åpenbare AI-fortegn. Hadde du delt det på Instagram uten kontekst, hadde folk trodd det var et ekte landskapsfoto.

Det andre bildet var en mer kreativ prompt – et digitalt livets tre av kretskort-lys, vikingskip i forgrunnen, nordlys over fjellene. Det leverte. Stemningsfullt, detaljert, og ingenting som skrek «billig AI-bilde». Modellen håndterer altså både hyperrealistiske og stiliserte scener uten å slite.

Er MAI-Image-2.5 verdt det?

Kort svar: ja, for fotorealistiske bilder – spesielt landskap og naturscener. Her er det jeg sammenlignet med:

Nano Banana 2 er fortsatt min hverdagsmodell for rask produksjon av illustrasjonsbilder til jansverre.net, men MAI-Image-2.5 har overtatt som førstevalg når fotorealisme faktisk er viktig. For det er den genuint god på – og til under en krone per bilde er terskelen lav nok til at det er verdt å teste.

Hva med MAI-Voice-2 og MAI-Transcribe-1.5?

Microsoft slapp også to lydmodeller samme kveld. MAI-Voice-2 støtter 15+ språk med det de kaller «emosjonell range» – sint, forvirret, flau. Norsk er ikke på den offisielle lista, og jeg har ikke testet det grundig. MAI-Transcribe-1.5 er en transkripsjonmodell med MoE-arkitektur og støtte for 43 språk med automatisk språkdeteksjon – det er interessant, men jeg hadde ikke tid til mer enn en rask kikk. Begge er tilgjengelige via Azure AI Speech, ikke OpenRouter.

Er disse modellene egentlig trent på «ren» data?

Microsoft understreker at begge modellene er trent på «enterprise grade, clean and commercially licensed data». Det er ikke tilfeldig ordbruk – det er en direkte adresse til den pågående debatten om opphavsrett og treningsdata.

Det viser seg likevel at modellene er trent på web-crawls fra rundt 794 milliarder filtrerte sider. Det er det samme grunnlaget som de fleste store språkmodeller bruker. Hva «commercially licensed» faktisk betyr i praksis her er uklart, og det er nok et felt der juristene vil ha mer å si i de neste par årene.

For deg som jobber med kode i Copilot er det ikke den viktigste bekymringen – men for bedrifter med strenge krav til IP og dataopprinnelse er det verdt å følge med på hva Microsoft konkret mener med lisensieringen sin.

Hva betyr dette for GitHub Copilot fremover?

Konkurransen i AI-kodeverktøy er hard. Cursor har vunnet mye terreng blant utviklere som er villige til å betale for et dedikert verktøy. Claude Code har bygget solid rykte for kode-review. GitHub Copilot er fortsatt størst i enterprise fordi Microsoft eier distribusjonen via Visual Studio Code og Azure DevOps.

Ved å bygge egne modeller kan Microsoft tilby Copilot billigere uten at marginen spises opp av API-regninger til OpenAI. Det gir dem mer spillerom til å konkurrere på pris – og det er egentlig det viktigste signalet her. Copilot har allerede fått autonome agentfunksjoner, og nå får den også sin egen modell-backbone.

Om MAI-Code-1-Flash faktisk er bedre eller dårligere enn det du bruker i dag vet vi ikke før noen har testet det skikkelig i produksjon. Jeg gleder meg til de første upartiske sammenligningene dukker opp – det er der man faktisk lærer noe.

Det er uansett verdt å følge med. Microsoft er i ferd med å ta AI-infrastrukturen mer på alvor enn de noen gang har gjort, og de begynner å ligne mer og mer på et AI-selskap som tilfeldigvis lager operativsystemer.