Microsoft brugte Ignite-konferencen den 17. november 2026 til at præsentere sine egne MAI-modeller som specialiserede, billigere alternativer til AI fra OpenAI og Anthropic. Særligt kodnings- og cybersikkerhedsmodellerne blev ledsaget af markante sammenligninger af pris og præstation. Men tallene stammer fra Microsofts egne benchmarkmålinger og siger ikke i sig selv, hvordan modellerne klarer sig på tværs af alle opgaver.
2
3
10
Seks modeller eller syv?
Microsoft beskrev MAI-lanceringen som en familie på syv modeller, mens Axios omtalte seks specialiserede modeller.
2
10 De tilgængelige kilder forklarer ikke forskellen. De viser dog, at lanceringen dækkede mere end kodning og cybersikkerhed: omtalen omfatter også modeller til billeder, tale, transskription og beslutninger.
5
8
35
Det er derfor sikrest at holde fast i begge opgørelser: Microsoft sagde syv, mens Axios talte seks. Der er ikke belæg for en endelig forklaring på uoverensstemmelsen.
Microsofts påstande om kodning
MAI Code 2 er målrettet kodningsarbejde i virksomheder, blandt andet fejlfinding, ændringer på tværs af flere filer, klargøring af kode til produktion og ræsonnement på tværs af et helt kodelager.
1 Microsoft siger, at modellen i gennemsnit opnåede 98 % af GPT-6.1 Sols præstation til 40 % af prisen og 96 % af Claude Opus 5.5s præstation til 5 % af prisen. Sammenligningen bygger på fire benchmarks: DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas og FrontierCode v1.1.
3
16
Den lettere MAI Code 2 Flash er tænkt til opgaver i større volumen og mere rutinepræget arbejde, som kodeforklaringer, målrettede rettelser, almindelige fejlrettelser og hurtige iterationer. Microsoft siger, at den matcher GPT-6 Luna til 65 % af prisen og Claude Haiku 5.5 til 20 % af prisen på de omtalte opgaver.
1
3
Det er leverandørens egne sammenligninger på udvalgte kodningsopgaver. Microsoft beskriver benchmarkene som rettet mod almindelige kodningsopgaver i virksomheder – ikke alle former for programmering eller ræsonnement.
3 Resultaterne dokumenterer derfor ikke, at modellerne generelt kan erstatte konkurrenterne.
Cyberresultat og begrænset adgang
På benchmarken CyberGym-E2E, der måler sårbarhedsopdagelse, rapporterede Microsoft en opgavesucces på 92,3 % for MAI Cyber 2 Flash mod 91,5 % for GPT-6 Astra. Microsoft oplyste samtidig, at prisen pr. opgave var under 2 % af konkurrentens.
29 Reuters-omtale siger, at sikkerhedsmodellen i første omgang skulle være tilgængelig for en begrænset kundegruppe.
32
Også dette resultat gælder én bestemt benchmark. Det viser ikke i sig selv, hvordan modellen klarer sig på alle cybersikkerhedsopgaver eller i alle kunders systemer.
Tilgængelighed og prisforbehold
Ifølge Microsofts annoncering og relateret omtale kan Code 2 og Code 2 Flash bruges i GitHub Copilot. Code 2 Flash er også beskrevet som værende i en forhåndsvisning med begrænset adgang i Microsoft Foundry. De tilgængelige kilder fastslår ikke, hvilke Copilot-abonnementer der giver adgang.
22
24
Der er desuden et vigtigt prisforbehold: Omtalen af Microsofts benchmarktal siger, at Code 2-sammenligningerne brugte en kampagnepris.
16 De store prisforhold bør derfor ikke læses som permanente sammenligninger af listepriser. Og da procentsatserne er relative, erstatter de ikke et konkret tjek af priser og vilkår for den påtænkte brug.
Microsofts bredere AI-plan
Microsoft præsenterede lanceringen som en del af en større indsats for at udvikle egne AI-modeller, samtidig med at virksomheden konkurrerer med OpenAI og Anthropic. Mustafa Suleyman, Microsofts AI-chef, sagde ifølge Axios, at virksomheden gør betydelige fremskridt mod sin egen generelle frontier-model.
2 Den tilgængelige omtale angiver ingen lanceringsdato.
Den bedst underbyggede konklusion er derfor afgrænset: Microsoft bruger specialiserede modeller og egne, prisorienterede benchmarkresultater til at argumentere for MAI-modellernes værdi. Om en model passer til en konkret opgave, afhænger blandt andet af opgaven, de fulde prisvilkår og præstationer ud over de valgte benchmarks.