Microsoft unveiled MAI-Thinking-1

Microsoft unveiled MAI-Thinking-1

Microsoft 发布了 MAI-Thinking-1，并表示其已建立一条完整的内部流水线来反复训练更强的 reasoning 模型。该系统被 Microsoft 称为“hill-climbing machine”，会把数据、训练设置、奖励、安全测试和评估作为一个连贯流程持续优化。MAI-Thinking-1 使用 35B active parameters、1T 总参数的 mixture-of-experts 架构，在 AIME 2025 上得分 97.0%，在 LiveCodeBench v6 上得分 87.7%，在 SWE-Bench Pro 上得分 52.8%；其 base model 从头训练，使用了 30T 以人类生成内容为主的 tokens，且 Microsoft 说预训练阶段没有使用第三方模型蒸馏，之后再通过 reinforcement learning 训练数学推理、编程、工具使用、helpfulness 和安全能力。