Kreation und Arbeitsabläufe
MAI-Code-1.1-Flash: Der Preiskampf der Code-Modelle verlagert sich auf die Kosten pro Aufgabe
Am 7. Oktober 2026 kündigte Microsoft AI MAI-Code-1.1-Flash an, ein Update des Code-Modells vom Build im Juni. Die Schlagzeilen handeln nicht von Scores, sondern von Geld und Deployment: ein Viertel der Kosten, 25 % weniger Tokens pro Aufgabe, 25 % schnelleres Streaming in GitHub Copilot — plus eine herunterladbare 3-Bit-quantisierte Version mit 256K-Kontextfenster, die auf dem Gerät ohne Inferenzkosten läuft. Experimenteller Zugang kommt bis Ende Oktober in die Copilot-App, die CLI und VS Code.
Entwurf mit Unterstützung von Muse; der Eigentümer hat die Fakten und alle acht Übersetzungen geprüft. Dies ist keine unabhängige Modellprüfung. Dieser Artikel wurde mit KI-Unterstützung erstellt und nicht unabhängig menschlich geprüft. Alle Zahlen sind Herstellerangaben, sofern nicht anders vermerkt; bitte vor dem Handeln an der Primärquelle verifizieren.
Was Microsoft angekündigt hat
Am 7. Oktober 2026 veröffentlichte Microsoft AI die Ankündigung „MAI-Code-1.1-Flash: besser, schneller, zu einem Viertel der Kosten“. Sie beschreibt ein Update von MAI-Code-1.0, dem hauseigenen Code-Modell von der Microsoft Build im Juni 2026. Microsoft erklärt, das neue Modell sei bereits in GitHub Copilot im Produktionseinsatz.
Die Kernaussage ist ökonomisch: Das Modell kostet ein Viertel von MAI-Code-1.0, braucht 25 % weniger Tokens pro Aufgabe und streamt Tokens in GitHub Copilot 25 % schneller. Microsoft führt das auf bessere Trainings- und Serving-Effizienz zurück, unter anderem Reinforcement Learning in Hunderttausenden von GitHub-Copilot-Umgebungen.
Die Zahlen, nach Angaben von Microsoft
Bei Benchmarks meldet Microsoft 22 % Verbesserung auf Terminal-Bench 2.1 in der GitHub-Copilot-CLI und 15 % bei .NET-Aufgaben, jeweils gegenüber der Vorversion. Bei den Produktionsmetriken, die Microsoft hervorhebt, stieg die Code-Überlebensrate um 4 % und die Wiederkehrrate um 9 %.
Alle obigen Zahlen stammen von Microsoft selbst, gemessen am eigenen Vorgängermodell oder an der eigenen Produktions-Telemetrie. Eine unabhängige Evaluierung lag zum Prüfzeitpunkt nicht vor, und die Ankündigung nennt keine Dollarpreise — nur die relative Aussage von einem Viertel der Kosten.
Die On-Device-Option
Der strukturell interessanteste Teil der Ankündigung ist der lokale. Eine herunterladbare 3-Bit-quantisierte Version von MAI-Code-1.1-Flash läuft lokal mit vollem 256K-Kontextfenster; laut Microsoft hält sie auf SWE-Bench Verified und Terminal-Bench 2.1 eine mit dem Vollpräzisionsmodell vergleichbare Code-Qualität. Microsoft erklärt, lokale Modellaufrufe verursachten keine Inferenzkosten, und empfiehlt für beste Leistung Geräte mit mehr als 120 GB RAM.
Microsoft erklärt, der experimentelle Zugang werde bis Ende Oktober 2026 in der GitHub-Copilot-App, der GitHub-Copilot-CLI und Visual Studio Code verfügbar sein und dem Copilot-Router damit neben Cloud-Modellen eine On-Device-Option für geeignete Code-Arbeit geben.
Warum das für Code-Workflows wichtig ist
Zusammengenommen verändern günstigere Kosten pro Aufgabe und eine kostenlose lokale Option die Ökonomie des agentischen Codierens. Langlaufende CLI-Agenten und Hintergrund-Code-Tasks werden in größerem Volumen bezahlbar, und die Platzierung der Workload — Cloud oder Gerät — wird zur echten Wahl statt zur Voreinstellung.
Für Unternehmen reduziert ein On-Device-Code-Modell zudem Bedenken bei Datenabfluss und Datenresidenz für sensible Codebasen. Der Haken ist die Hardware: Die Empfehlung von über 120 GB RAM beschränkt die lokale Option vorerst auf Workstation-Klasse.
Was noch unbewiesen ist
Vieles bleibt ungesagt. Die Ankündigung nennt weder Lizenzbedingungen noch Download-Ort, weder Parameterzahl noch Dollarpreise; die unabhängige Berichterstattung vom 8. Oktober 2026 benennt dieselben Lücken und erinnert daran, dass alle Zahlen von Microsoft stammen.
Entscheidend ist die Richtung: Code-Modelle konkurrieren zunehmend über Kosten pro Aufgabe und Deployment-Flexibilität statt nur über Benchmark-Bestwerte. Genau diese Metrik entscheidet, welche Modelle in Produktionsbudgets überleben — doch solange Lizenzbedingungen und unabhängige Evaluierungen fehlen, sollten Teams die Herstellerzahlen als Richtwerte behandeln und pilotieren, bevor sie kritische Workflows darauf stützen.
Quellen und weitere Lektüre
Der Eigentümer hat die Quellenangaben geprüft; eine unabhängige Fakten- oder Modellprüfung wird nicht behauptet.
- Offizieller Microsoft-AI-Blog (Originalankündigung)
Microsoft AI
Recorded publication date ·
Recorded verification time ·
- Unabhängige Analyse von Deyron Labs (08.10.2026)
Deyron Labs
Recorded publication date ·
Recorded verification time ·