Microsoft MAI 7종 공개: OpenAI 의존을 줄이려는 자기충족 전략의 신호탄

핵심 요약

Microsoft가 2026년 6월 2일 Build 2026 키노트에서 자체 개발한 7종의 MAI(Microsoft AI) 모델을 한꺼번에 공개했다. 핵심은 두 가지다.

• MAI-Thinking-1: 첫 자체 추론 모델. 35B active 파라미터 sparse MoE. AIME 2025에서 97.0%, AIME 2026에서 94.5%. Microsoft 발표 기준 SWE-Bench Pro에서 Claude Opus 4.6과 동급이다.
• MAI-Code-1-Flash: 첫 자체 코딩 모델. 5B active / 137B total MoE. SWE-Bench Pro 51.2%로 Claude Haiku 4.5(35.2%)를 16p 앞선다. GitHub Copilot 개인 요금제(VS Code)부터 배포 시작.

Microsoft는 두 모델 모두 타사 모델로부터의 distillation 없이 처음부터 학습했다고 밝혔다. Microsoft AI를 이끄는 Mustafa Suleyman은 발표 글에서 이번 작업이 "장기 자기충족(long-term self-sufficiency)"을 위한 것이라고 썼다. OpenAI는 여전히 최대 파트너지만, 단일 파트너 의존에서 벗어나려는 신호가 더 분명해졌다.

관련 글: Claude Opus 4.8: '역대 가장 정직한' Claude와 최대 1,000개 서브에이전트 워크플로

MAI-Thinking-1: 첫 자체 추론 모델

스펙

Microsoft는 35B active라는 비교적 작은 추론 부담으로 SWE-Bench Pro에서 Claude Opus 4.6과 맞먹고, 블라인드 평가에서 Sonnet 4.6보다 선호됐다는 점을 핵심으로 내세운다.

벤치마크

• AIME 2025: 97.0% (미국 수학 경시대회 문제 기반 벤치마크)
• AIME 2026: 94.5% (2026년 시험 문제)
• SWE-Bench Pro: Microsoft 발표 기준 Claude Opus 4.6과 매칭
• Surge 블라인드 평가: Claude Sonnet 4.6보다 선호됨

Microsoft는 파트너사 Surge의 전문 평가자들과 1,276개 과제로 블라인드 side-by-side 평가를 진행했다고 밝혔다. 자체 발표 수치임을 감안해도, 첫 추론 모델이 프론티어급에 근접했다는 메시지는 무겁다.

핵심 차별점: clean data lineage

Suleyman은 발표 글에서 "타사 모델로부터의 distillation 없이 처음부터 학습했다"는 점을 강조했다. 이는 엔터프라이즈 고객 중 데이터 출처(data lineage)의 법적 명확성을 중시하는 곳들을 겨냥한 포지셔닝이다. 법무·금융·의료 분야에서 모델 학습 데이터의 라이선스 클린함은 협상 테이블에서 점점 중요한 변수가 되고 있다.

MAI-Code-1-Flash: GitHub Copilot에 들어간 코딩 모델

스펙

가격은 GitHub 가격 문서 기준이며, Claude Haiku 4.5($1 / $5)보다 조금 낮은 수준이다. 모델 카드에는 가격 확정 전이라는 단서가 붙어 있다.

벤치마크

5B active 모델이 Anthropic의 동급 소형 모델을 16p 앞선다는 주장이다. 특히 더 어려운 문제를 최대 60% 적은 토큰으로 푼다는 효율성 지표(SWE-Bench Verified 평균 10.8K 대 27.3K 토큰)는 비용을 신경 쓰는 개발자에게 직접적인 매력 포인트다.

배포 방식

• GitHub Copilot Free, Pro, Pro+, Max 개인 요금제에 순차 배포 (출시 시점 VS Code 전용, Copilot CLI는 이후 예정)
• VS Code의 model picker, 그리고 Auto picker(자동 모델 선택)를 통해 선택 가능
• 2026년 6월 2일부터 일부 사용자 대상 시작, 수 주에 걸쳐 확대

Auto picker는 Copilot이 작업에 맞춰 모델을 자동으로 고르는 기능으로, 롤아웃이 진행되면 일부 작업이 MAI-Code-1-Flash로 라우팅될 수 있다. 사용자 입장에서는 모델 선택의 부담이 줄어들지만, 어떤 작업이 어떤 모델로 갈지에 대한 가시성은 줄어드는 트레이드오프가 있다.

나머지 5종 MAI 모델

발표된 7종 중 추론·코딩 모델 2종을 제외한 나머지 5종은 멀티모달과 음성에 집중되어 있다.

The Decoder는 이번 발표를 이미지에서는 Microsoft가 Google을 앞서고, 추론에서는 따라잡는 중인 구도로 정리했다. 7종을 한꺼번에 발표한 이유는 분명하다. 한두 가지 영역이 아닌, 모달리티 전반에 걸친 라인업을 갖추겠다는 선언이다.

자기충족(Self-Sufficiency) 전략

Microsoft AI가 말한 "stack 전체"

Microsoft AI는 MAI-Thinking-1 소개 글에서 "stack 전체에 걸친 자기충족"을 개발 원칙 중 하나로 내세웠다. 구체적으로는

• 모델 설계와 Microsoft 자체 가속기의 co-design
• 자체 학습 인프라
• 자체 RL(reinforcement learning) 프레임워크

이 세 축이 끝에서 끝까지(end-to-end) 최적화되어야 "hill-climbing machine"이 가능하다는 논리다. 단순히 모델을 만드는 것이 아니라, 모델과 가속기, 학습 인프라를 동일 회사가 통제할 때 반복 속도가 빨라진다는 주장이다.

OpenAI 의존도 분석

Microsoft는 OpenAI의 최대 투자자(누적 130억 달러)이자 핵심 클라우드 파트너다. Copilot 라인은 GPT 시리즈 위에서 시작됐다. 하지만 최근 흐름을 보면

• OpenAI는 Microsoft 외 컴퓨트 파트너(Oracle 등)를 추가
• OpenAI는 SEC 비공개 상장 신청서 제출을 준비 중이라는 보도 (2026년 5월)
• Microsoft는 자체 모델 라인 가속

양측이 서로의 의존도를 낮추는 방향으로 움직이고 있다. Microsoft 입장에서는 Copilot이 어떤 외부 모델 가격 인상이나 우선순위 변경에도 휘둘리지 않으려면, 자체 옵션이 반드시 필요하다.

관련 글: OpenAI, SEC 비공개 상장 신청 임박

Copilot의 multi-model 아키텍처

GitHub Copilot은 이미 OpenAI와 Anthropic 모델을 함께 고를 수 있는 multi-model 구조였고, 이번 Build로 MAI 모델이 그 선택지에 더해졌다. 사용자 입장에서는 Auto picker가 작업에 맞는 모델을 골라 주고, Microsoft 입장에서는 단일 벤더 락인을 회피한다. 이는 Copilot이라는 제품을 모델 공급자와 분리하려는 의도적 설계다.

시장 반응과 회의론

긍정적 평가

• 데이터 출처 명확성: 엔터프라이즈 영업에서 즉시 무기가 됨
• GitHub Copilot 통합: 사용자 기반 확보된 채널을 통한 즉시 배포
• 가격 경쟁력: $0.75/M 입력은 Claude Haiku 4.5와 비교해 매력적
• 256K context: 코딩 모델 기준 충분한 길이

회의적 시각

• 자체 발표 벤치마크: Surge 평가도 Microsoft가 파트너와 함께 설계해 발표한 것. 독립 평가 부족
• 공개 가용성 지연: MAI-Thinking-1은 private preview 단계
• 5B vs 137B 혼란: family post와 모델 카드의 파라미터 표기가 달라 초기 혼선 발생
• 첫 자체 추론 모델: AIME에서 강해도 long-horizon 에이전트 태스크에서의 안정성은 검증 필요

The Decoder는 기사 제목에서 Microsoft가 이미지 생성에서는 Google을 앞섰지만 추론에서는 따라잡는 중(catch-up)이라고 평가했다. 첫 추론 모델이라는 출발점을 고려하면 자연스러운 평가다.

개발자 입장에서 봐야 할 것

VS Code에서 GitHub Copilot 개인 요금제를 쓰고 있다면 앞으로 몇 주에 걸쳐 모델 picker에 MAI-Code-1-Flash가 순차적으로 나타날 수 있다. 직접 비교해볼 수 있는 항목

• 간단한 리팩토링·테스트 생성: 5B active 모델이면 충분한지 확인
• 토큰 사용량: 최대 60% 절감 주장이 실제 워크플로에서 재현되는지
• Auto picker 동작: 어떤 작업이 자동으로 어떤 모델로 가는지 추적

MAI-Thinking-1은 당장 손에 닿지 않지만, public preview가 열리면 Foundry에서 테스트 가능해진다. Azure 위에 RL 파이프라인을 구축한 팀이라면 자체 RL 프레임워크 통합이 어떻게 노출되는지가 다음 관심사다.

전망

이번 발표는 한 회사가 한꺼번에 7종의 자체 모델을 공개한 사례로서 무게가 다르다. 다만 진짜 시험대는 다음 분기 이후다. 개인적으로 주목하는 지점

• MAI-Thinking-1이 SWE-Bench Pro 같은 자체 발표 수치 외에 ARC-AGI, Frontier Math 등 독립 벤치마크에서 어떻게 나오는가
• Copilot 사용자의 실제 모델 선택 비율 (MAI vs GPT vs Claude)이 어떻게 분포되는가
• OpenAI가 이번 발표에 대해 어떤 카운터를 내놓는가 (가격 인하? 신모델?)

Microsoft가 OpenAI와 결별하려는 것은 아니다. 다만 OpenAI 없이도 Copilot을 돌릴 수 있는 옵션을 만드는 작업이 본격화됐다. 이 옵션의 가치는 앞으로 OpenAI와의 협상 테이블에서 가장 크게 드러날 것이다.

참고

• Microsoft AI: Introducing MAI-Thinking-1
• Microsoft AI: Introducing MAI-Code-1-Flash
• GitHub Changelog: MAI-Code-1-Flash is now available for GitHub Copilot
• GeekWire: Microsoft unveils seven homegrown AI models
• Microsoft AI: Building a hill-climbing machine, launching seven new MAI models
• Microsoft AI: MAI-Thinking-1 기술 보고서 (PDF)
• Microsoft AI: MAI-Code-1-Flash 모델 카드 (PDF)
• Microsoft AI: Introducing MAI-Voice-2
• Microsoft AI: Introducing MAI-Transcribe-1.5
• Implicator: MAI-Code-1-Flash rollout with 137B MoE card
• The Decoder: Build 2026, Microsoft tops Google in image generation while playing catch-up on reasoning
• The Decoder: MAI-Image-2.5 pulls even with Nano Banana 2