Microsoft MAI-Thinking-1 공개 — 자체 개발 추론 모델, SWE-Bench·AIME에서 최상위권 성능

MAI-Thinking-1이란?

2026년 6월 2일, Microsoft AI의 CEO Mustafa Suleyman은 Microsoft Build 2026 키노트에서 7개의 신규 MAI 모델 패밀리를 공개했다. 그 중심에는 MAI-Thinking-1 — Microsoft AI의 첫 번째 독자 추론 모델 — 이 있다.

MAI-Thinking-1의 핵심 특징은 단 하나다: 완전한 자체 개발. 타사 모델로부터 데이터를 증류(distillation)하지 않고, Microsoft의 자체 클린 데이터셋과 보상 시스템, 그리고 자체 AI 칩 Maia 200으로 처음부터 훈련되었다. 6월 8일 업데이트된 발표 자료에 따르면, Maia 200과 GB-200(NVIDIA)를 직접 벤치마크로 최적화한 첫 모델이기도 하다.

아키텍처와 훈련 방식

MAI-Thinking-1은 Sparse Mixture-of-Experts(MoE) 아키텍처를 채택한다. 총 파라미터는 약 1조(~1T)이지만, 추론 시에는 35B만 활성화되어 훨씬 큰 모델과 경쟁할 수 있는 비용 효율을 확보했다.

훈련 파이프라인의 특이점은 투명성과 청결성에 있다. Microsoft는 "우리의 데이터셋은 깨끗하고, 추적 가능하며, 엔터프라이즈 수준"이라고 명시했다. 이는 불투명한 데이터 파이프라인에 대한 업계의 우려를 직접 겨냥한 포지셔닝이다.

경쟁 모델 비교

SWE-Bench Pro는 실제 GitHub 이슈 해결 능력을 측정하는 가장 까다로운 코딩 벤치마크 중 하나다. MAI-Thinking-1이 이 벤치마크에서 Claude Opus 4.6과 동등한 성능을 보인다는 점은 Microsoft AI의 독자 훈련 역량이 상당한 수준에 도달했음을 시사한다.

엔터프라이즈 포지셔닝

MAI-Thinking-1이 기업 고객에게 매력적인 이유는 성능만이 아니다. Microsoft Foundry와의 네이티브 통합을 통해 Azure의 기존 보안·컴플라이언스·거버넌스 워크플로를 그대로 유지할 수 있다. 함수 호출(function calling), 멀티레이어 지시 준수, 엔터프라이즈 스타일 기본 응답 등이 기업 운용 환경에 최적화되어 있다.

또한 Microsoft는 이 모델이 자사의 Maia 200 칩에서 최적화되었음을 강조했다. AI 칩 공급망에 대한 의존도를 줄이는 동시에, 자체 칩과 자체 모델의 결합으로 추론 비용을 낮출 수 있는 길을 열었다는 점에서 장기적 전략 가치가 크다.