Microsofts MAI Code 1.1 Flash hinkt DeepSeek bei Preis und Leistung hinterher

Einführung

Microsoft hat MAI Code 1.1 Flash veröffentlicht, ein Codegenerierungsmodell, das für GitHub Copilot entwickelt wurde. Das Unternehmen behauptet, dass das neue Modell besseren Code schreibt, 25 Prozent token-effizienter ist und ein Viertel seines Vorgängers vom Juni kostet. Benchmark-Vergleiche zeigen jedoch, dass das Modell sowohl beim Preis als auch bei der Leistung hinter DeepSeeks V4 Flash zurückbleibt, was Fragen zu Microsofts Positionierung in der wettbewerbsintensiven KI-Landschaft aufwirft.

Leistungs-Benchmarks

In internen Benchmarks zeigt MAI Code 1.1 Flash bescheidene Verbesserungen gegenüber seinem Vorgänger und einigen Konkurrenzmodellen. Bei SWE-bench Verified erreichte es 72,6 % und übertraf damit MAI Code 1 Flash (71,6 %), Haiku 4.5 (69,8 %) und GPT-5.4 mini (69,2 %). DeepSeek hat jedoch keinen Wert für diesen Benchmark veröffentlicht.

Bei Terminal Bench 2.1 sind die Ergebnisse aussagekräftiger. MAI Code 1.1 Flash erzielte 62,9 %, eine deutliche Verbesserung gegenüber den 51,7 % seines Vorgängers und den 49,4 % von Haiku 4.5, liegt aber immer noch deutlich hinter DeepSeeks V4 Flash mit 82,7 %. Diese Lücke zeigt, dass DeepSeeks Modell bei realen Codierungsaufgaben wesentlich leistungsfähiger ist.

Preisvergleich

Microsoft positioniert MAI Code 1.1 Flash als budgetfreundliche Option, aber ein genauerer Blick auf die Preise zeigt, dass es immer noch teurer ist als DeepSeeks Angebot. Für Eingabe-Token kostet MAI Code 1.1 Flash 0,20 $ pro Million, verglichen mit 0,14 $ bei DeepSeek. Mit Caching sinkt der Preis auf 0,02 $ für MAI und 0,0028 $ für DeepSeek. Bei den Ausgabe-Token wird die Lücke größer: MAI verlangt 1,20 $ pro Million, während DeepSeek nur 0,28 $ verlangt.

Diese Preise sind deutlich niedriger als bei Anthropics Claude Haiku 4.5, das 1,00 $ für Eingabe, 0,10 $ mit Cache und 5,00 $ für Ausgabe kostet. Allerdings unterbietet DeepSeeks Preisgestaltung Microsofts um einiges, was es für kostenbewusste Entwickler attraktiver macht.

Token-Effizienz und Nutzerakzeptanz

Microsoft behauptet, dass MAI Code 1.1 Flash 25 Prozent token-effizienter ist als sein Vorgänger, was bedeutet, dass es weniger Token benötigt, um dieselbe Ausgabe zu erzeugen. Diese Effizienz könnte zu geringeren Kosten für die Nutzer führen, aber das Unternehmen hat keine detaillierten Daten darüber bereitgestellt, wie sich dies in reale Einsparungen umsetzt.

In Bezug auf die Nutzerakzeptanz berichtet Microsoft, dass Entwickler 4 Prozent mehr Ausgaben des Modells akzeptierten als bei der vorherigen Version. Darüber hinaus verzeichnet das Unternehmen einen Anstieg der Rückkehrer um 9 Prozent, was darauf hindeutet, dass die Nutzer das Modell als nützlicher empfinden. Diese Kennzahlen beziehen sich jedoch auf Microsofts eigene Modelle und gehen nicht darauf ein, wie das Modell im Vergleich zu Konkurrenten wie DeepSeek abschneidet.

Training und Entwicklung

Microsoft trainierte MAI Code 1.1 Flash mit "Hunderttausenden von Reinforcement-Learning-Umgebungen in GitHub Copilot". Dieser Ansatz nutzt reale Codierungsszenarien, um die Leistung des Modells zu verbessern. Das Unternehmen hat die genauen Trainingsdaten oder die Methodik nicht offengelegt, aber die Verwendung von Reinforcement Learning aus Nutzerinteraktionen ist eine bemerkenswerte Strategie.

Strategische Implikationen

Die Veröffentlichung von MAI Code 1.1 Flash erfolgt im Rahmen von Microsofts Bestrebungen, sich als Verfechter offener KI zu positionieren. Die Entscheidung des Unternehmens, in ein proprietäres Modell zu investieren, das bei Preis und Leistung hinter Open-Weight-Alternativen wie DeepSeek zurückbleibt, erscheint jedoch widersprüchlich. Microsoft hat wiederholt Bewunderung für Open-Weight-Modelle geäußert, doch die eigene Strategie scheint hausinterne, geschlossene Lösungen zu bevorzugen.

Der wahrscheinliche Grund ist Kostensenkung. Microsoft hat kürzlich seine Copilot-Angebote umstrukturiert und OpenAI- und Anthropic-Modelle durch eigene, günstigere MAI-Alternativen ersetzt, um Ausgaben zu reduzieren. Der Kompromiss ist schlechtere Leistung für bessere Margen. MAI Code 1.1 Flash passt in dieses Muster: Es ist billiger als sein Vorgänger, aber immer noch teurer als DeepSeek, und es schneidet schlechter ab.

Microsofts Kunden im GitHub-Copilot-Ökosystem können je nach App und Anwendungsfall weiterhin zwischen verschiedenen Modellen wählen. Microsoft wird jedoch wahrscheinlich seine eigenen Modelle als Standardoption festlegen und die Nutzer so an eine weniger wettbewerbsfähige Lösung binden. Diese Strategie könnte Entwickler verprellen, die Leistung und Kosten priorisieren.

Fazit

Microsofts MAI Code 1.1 Flash stellt eine inkrementelle Verbesserung gegenüber seinem Vorgänger dar, schafft es aber nicht, mit DeepSeeks V4 Flash bei Preis oder Leistung zu konkurrieren. Der Fokus des Unternehmens auf proprietäre Modelle widerspricht seiner öffentlichen Haltung zu offener KI und könnte letztendlich seine Wettbewerbsfähigkeit im sich schnell entwickelnden KI-Markt beeinträchtigen. Da Entwickler zunehmend kostengünstige und leistungsstarke Lösungen suchen, muss Microsoft möglicherweise seinen Ansatz überdenken oder riskieren, gegenüber agileren Wettbewerbern Boden zu verlieren.

Dieser Artikel basiert auf einer Berichterstattung von The Decoder. Lesen Sie den Originalartikel.