Microsoft använde sina Ignite-nyheter den 17 november 2026 för att lyfta fram de egenutvecklade MAI-modellerna som specialiserade och billigare alternativ för företag som vill använda AI till bland annat programmering och cybersäkerhet. De mest uppmärksammade siffrorna är Microsofts egna jämförelser av prestanda och kostnad. De visar hur bolaget argumenterar för modellerna – men bevisar inte att de presterar lika bra i alla användningsområden.
2
3
10
Varför säger Microsoft sju modeller och Axios sex?
Microsoft beskriver lanseringen som en familj med sju modeller, medan Axios rapporterar om sex specialiserade modeller.
2
10 Materialet som finns tillgängligt förklarar inte uttryckligen skillnaden. Det framgår däremot att nyheterna omfattade mer än programmering och cybersäkerhet: Microsoft och andra rapporter nämner även modeller för bild, tal, transkribering och beslutsfattande.
5
8
35
Det bredare utbudet kan bidra till att olika sammanställningar räknar lanseringen på olika sätt, men källorna ger ingen säker förklaring. Den mest rättvisande beskrivningen är därför att Microsoft presenterade en familj med sju modeller, medan Axios räknade sex i sin rapportering.
Microsofts påståenden om kodningsförmåga
Microsoft beskriver MAI Code 2 som en modell för kodningsarbete i företag, exempelvis felsökning, ändringar i flera filer, att ta kod till produktion och resonemang över ett helt kodarkiv.
1 Enligt bolaget nådde Code 2 i genomsnitt 98 procent av GPT-6.1 Sols prestanda till 40 procent av kostnaden, och 96 procent av Claude Opus 5.5:s prestanda till 5 procent av kostnaden. Jämförelsen bygger på fyra kodningstester: DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas och FrontierCode v1.1.
3
16
Den lättare MAI Code 2 Flash är tänkt för arbete i större volymer och mer rutinmässiga uppgifter, som kodförklaringar, riktade ändringar, enklare felrättningar och snabba iterationer. Microsoft säger att modellen presterar jämförbart med GPT-6 Luna till 65 procent av priset och Claude Haiku 5.5 till 20 procent av priset.
1
3
Resultaten bör läsas som jämförelser från Microsoft på ett urval av kodningsuppgifter. I sin presentation säger bolaget att testerna är inriktade på vardaglig programmering i företag – inte på alla sorters programmering eller resonemang.
3 Siffrorna visar alltså inte att modellerna generellt kan ersätta konkurrenterna.
Cyberresultat och begränsad åtkomst
För att hitta sårbarheter uppger Microsoft att MAI Cyber 2 Flash nådde 92,3 procents uppgiftsframgång på CyberGym-E2E, jämfört med 91,5 procent för GPT-6 Astra, till mindre än 2 procent av kostnaden per uppgift.
29 Enligt Reuters rapportering skulle säkerhetsmodellen först göras tillgänglig för en begränsad grupp kunder.
32
Även här gäller resultatet ett specifikt test. Det visar inte i sig hur modellen fungerar inom alla delar av cybersäkerhet eller i varje kundmiljö.
Tillgänglighet – och en viktig brasklapp om priset
Microsofts tillkännagivanden och relaterad rapportering säger att Code 2 och Code 2 Flash finns i GitHub Copilot. Code 2 Flash beskrivs också som tillgänglig i en förhandsversion med begränsad åtkomst i Microsoft Foundry.
22
24 De tillgängliga källorna fastställer inte vilka Copilot-abonnemang som omfattas.
Det finns också en reservation kring prisjämförelserna: rapportering om Microsofts benchmarkresultat uppger att Code 2:s kostnadsjämförelser bygger på ett kampanjpris.
16 De angivna kostnadsandelarna bör därför inte tolkas som permanenta jämförelser av ordinarie priser. Eftersom procentsiffrorna visar relativa kostnader behöver den som överväger en viss användning också kontrollera aktuella priser och villkor för just den lösningen.
En större AI-satsning
Microsoft presenterade lanseringen som en del av en bredare satsning på egen AI-teknik, samtidigt som bolaget konkurrerar med OpenAI och Anthropic. Enligt Axios sade Microsoft AI-chefen Mustafa Suleyman att företaget gör betydande framsteg mot en generell frontiermodell.
2 Det tillgängliga materialet anger inget lanseringsdatum för den modellen.
Den tydligaste slutsatsen är mer avgränsad: Microsoft använder specialiserade modeller och egna kostnads- och benchmarkjämförelser för att argumentera för MAI:s pris i förhållande till prestanda. Om modellerna passar beror på uppgiften, de fullständiga prisvillkoren och hur de fungerar utanför de utvalda testerna.