Microsoft stellt die Weichen für GitHub Copilot neu. Mit MAI-Code-1.1-Flash schickt der Konzern aus Redmond sein zweites selbst entwickeltes Coding-Modell in den Produktivbetrieb, und zwar zu einem Viertel der Kosten des Vorgängers. Für Entwicklerinnen und Entwickler in Österreich und Deutschland bedeutet das: Copilot wird nicht mehr nur von OpenAI, Anthropic, Google und xAI befeuert, sondern zunehmend von Microsoft selbst. Die Umstellung lief zwischen Juni und Oktober 2026 in mehreren Wellen, zuletzt mit der endgültigen Abschaltung des Vorgängermodells am 10. September 2026.

Der Schritt fällt in eine Phase, in der GitHub Copilot ohnehin im Umbau steckt. Laut der Analyseplattform BenchLM wurden allein in den 30 Tagen vor dem 2. Oktober 2026 branchenweit 38 bestätigte Modell-Veröffentlichungen oder -Änderungen gezählt. Copilot ist dabei nicht mehr nur ein Werkzeug, sondern eine Art Modell-Marktplatz mit eigener Preis- und Qualitätslogik. MAI-Code-1.1-Flash ist der bislang deutlichste Beleg dafür, dass Microsoft in diesem Marktplatz nicht nur Vermittler, sondern auch Anbieter sein will.

Was ist MAI-Code-1.1-Flash genau?

MAI-Code-1.1-Flash ist ein hauseigenes Coding-Modell von Microsoft AI, das seit dem 4. September 2026 produktiv in GitHub Copilot läuft. Es ersetzt MAI-Code-1-Flash, das Microsoft im Juni 2026 auf der Build-Konferenz vorgestellt hatte. Microsoft beschreibt das Modell nüchtern als kleines, effizientes Arbeitstier für wiederkehrende Coding-Aufgaben: “This small, efficient, coding workhorse is now in production in GitHub Copilot.” (Microsoft AI) Übersetzt heißt das: ein schlankes, effizientes Coding-Arbeitspferd, das jetzt produktiv in GitHub Copilot läuft.

Technisch handelt es sich laut unabhängigen Modell-Trackern um ein Mixture-of-Experts-Modell mit rund 137 bis 138 Milliarden Parametern insgesamt, von denen pro Token nur etwa 5 Milliarden aktiv gerechnet werden. Diese Architektur erklärt, warum das Modell trotz seiner Größe günstig und schnell bleibt: Es lädt nur einen Bruchteil seines Gewichts für jede einzelne Anfrage. Das Kontextfenster liegt bei 256.000 Token, die maximale Ausgabelänge bei 128.000 Token. Neu gegenüber dem Vorgänger ist die Fähigkeit, Bilder als Eingabe zu verarbeiten, also etwa Screenshots, Diagramme oder UI-Mockups direkt zu lesen. Microsoft selbst beschreibt das Modell in der Produktankündigung als Werkzeug, das “helps your engineering team write better code faster, with a lightweight, agentic model built into GitHub Copilot and VS Code” (Microsoft AI), sinngemäß: Es hilft Entwicklungsteams, schneller besseren Code zu schreiben, mit einem schlanken, agentenfähigen Modell, das direkt in Copilot und VS Code eingebaut ist.

Der Bruch mit der reinen OpenAI-Abhängigkeit

Seit dem Start von GitHub Copilot im Jahr 2021 lief die Code-Vervollständigung praktisch ausschließlich über Modelle von OpenAI. Das hat sich in den vergangenen eineinhalb Jahren grundlegend geändert. Copilot öffnete sich zuerst für Anthropic, dann für Google und xAI, und bietet inzwischen ein Modell-Auswahlmenü mit Dutzenden Optionen. MAI-Code-1.1-Flash geht einen Schritt weiter: Es ist das erste Modell in diesem Menü, das vollständig von Microsoft selbst trainiert wurde, direkt mit den Produktions-Datensätzen von GitHub Copilot. Microsoft nennt das Modell deshalb konsequent sein “in-house coding model”, ein intern entwickeltes Modell, das nicht von einem externen Anbieter lizenziert wurde.

Die strategische Logik dahinter liegt auf der Hand. Microsoft zahlt für jede Anfrage, die über OpenAI, Anthropic, Google oder xAI läuft, an diese Anbieter. Ein eigenes Modell für die große Masse der einfachen, sich wiederholenden Coding-Aufgaben senkt diese Kosten direkt. Gleichzeitig verschafft es Microsoft Kontrolle über Latenz, Trainingsdaten und Produktintegration, drei Punkte, die bei externen Modellen immer ein Stück weit außerhalb der eigenen Hand liegen. Wichtig ist dabei die Arbeitsteilung innerhalb der MAI-Modellfamilie: MAI-Code-1.1-Flash ist nicht für komplexe, mehrstufige Architekturentscheidungen gedacht. Dafür verweist Microsoft auf das separate Modell MAI-Thinking-1, während MAI-Code-1.1-Flash als schneller Einzelschritt-Generator für Code-Vervollständigung, Refactoring und Repository-Fragen positioniert ist.

75 Prozent weniger Kosten: Die Zahlen im Detail

Der auffälligste Wert in Microsofts eigener Ankündigung ist die Kostenreduktion. Microsoft AI schreibt wörtlich: “MAI-Code-1.1-Flash produces higher quality code, at 25% greater token efficiency, and at a quarter of the cost compared to the model we launched in June at Microsoft Build.” (Microsoft AI) Auf Deutsch: Das Modell liefert hochwertigeren Code, ist 25 Prozent token-effizienter und kostet nur ein Viertel im Vergleich zum Modell, das im Juni auf der Build-Konferenz vorgestellt wurde. Ein Viertel der Kosten entspricht einer Einsparung von 75 Prozent gegenüber dem Vorgänger.

Konkret bedeutet das für Entwickler, die MAI-Code-1.1-Flash außerhalb von Copilot direkt über Microsoft Foundry oder Drittanbieter-Router wie OpenRouter, Fireworks AI oder Baseten nutzen: Laut dem unabhängigen Modell-Tracker Pi.dev liegt der Preis bei 0,20 US-Dollar pro Million Eingabe-Token und 1,20 US-Dollar pro Million Ausgabe-Token, Cache-Lesevorgänge kosten zusätzlich 0,02 US-Dollar pro Million Token, Cache-Schreibvorgänge sind kostenlos. Die Analyseplattform HokAI stuft diesen Preis als günstiger ein als bei 79 Prozent der 76 aktuell verfolgten GA-Modelle mit öffentlichem Preis, bei einem Median von 1,86 US-Dollar pro Million Token über die gesamte Konkurrenz.

MetrikMAI-Code-1-Flash (Juni 2026)MAI-Code-1.1-Flash (September 2026)Veränderung
Kosten pro AufgabeReferenzwert (100 %)ein Viertel des Referenzwerts-75 %
Tokenverbrauch pro LösungReferenzwert25 % weniger-25 %
Streaming-GeschwindigkeitReferenzwert25 % schneller+25 %
Terminal-Bench 2.1 (Copilot CLI)Referenzwert22 % besser+22 %
.NET-Aufgaben (interne Microsoft-Evaluation)Referenzwert15 % besser+15 %
Code-Survival-Rate (Produktionsmetrik)Referenzwert4 % höher+4 %
Rückkehrquote der EntwicklerReferenzwert9 % höher+9 %
SWE-bench Verified (laut HokAI)71,6 %72,6 %+1,0 Punkt
Kontextfenster256.000 Token256.000 Tokenunverändert
Eingabe-Modalitätnur TextText und Bildneu: Bildverständnis

Interessant ist, dass der Qualitätssprung bei den Standard-Benchmarks vergleichsweise klein ausfällt, ein Punkt bei SWE-bench Verified, während die Kosten- und Effizienzwerte deutlich stärker steigen. Microsoft hat die 1.1-Version offenbar nicht primär auf rohe Benchmark-Punkte, sondern auf Praxiswerte wie Code-Survival-Rate und Rückkehrquote hin optimiert, also darauf, ob generierter Code tatsächlich im Projekt bleibt und ob Entwickler das Modell erneut verwenden.

Verfügbarkeit: Wer bekommt das Modell wann

Einzelnutzer gegenüber Unternehmenskunden

MAI-Code-1.1-Flash ist über praktisch die gesamte Copilot-Produktpalette verteilt: VS Code, Visual Studio, JetBrains-IDEs, Eclipse, Xcode, GitHub Mobile, Copilot CLI, den Copilot-Cloud-Agenten und Copilot Chat auf github.com. Bei Einzelnutzern unterscheidet sich der Zugang nach Tarif. Nutzer der kostenlosen und der Studenten-Stufe bekommen das Modell nur über die automatische Modellauswahl zu sehen, zahlende Pro-, Pro+- und Max-Kunden können es manuell im Modellwähler auswählen. Bei Business- und Enterprise-Kunden ist das Modell dagegen standardmäßig deaktiviert. Admins müssen die entsprechende Modellrichtlinie erst aktivieren, bevor Teams darauf zugreifen können.

Außerhalb von Copilot ist das Modell über Microsoft Foundry auf Azure sowie über die Drittanbieter-Router OpenRouter, Fireworks AI und Baseten erreichbar. Einen Eintrag bei AWS Bedrock oder Google Vertex gibt es nach aktuellem Stand nicht, was zu Microsofts Interesse passt, das Modell eng an die eigene Cloud zu binden. Die Gewichte sind geschlossen, eine Hugging-Face-Veröffentlichung oder offene Lizenz existiert nicht. Als Trainingsdaten-Stichtag für die 1.1-Version nennt Microsoft Dezember 2025.

DatumEreignis
2. Juni 2026MAI-Code-1-Flash startet in VS Code für Copilot Free, Student, Pro, Pro+ und Max
18. Juni 2026Ausweitung auf Copilot CLI, Cloud-Agent, JetBrains, Visual Studio, Xcode, Eclipse und GitHub Mobile
26. Juni 2026Allgemeine Verfügbarkeit für Copilot Business und Enterprise
11. August 2026Ankündigung von MAI-Code-1.1-Flash, Abschaltung des Vorgängers für 10. September angekündigt
4. September 2026MAI-Code-1.1-Flash geht in GitHub Copilot in Produktion
10. September 2026MAI-Code-1-Flash wird endgültig abgeschaltet
21. September 2026Grok 4.7 von xAI startet parallel als Konkurrenzmodell in Copilot
28. September 2026Claude Sonnet 5.5 von Anthropic wird in Copilot allgemein verfügbar
2. Oktober 2026GitHub schaltet sechs weitere ältere Modelle ab, darunter Gemini 3.5 und 3.6 Flash, Kimi K2.7 Code und Claude Opus 4.7

Historischer Kontext: Vom Build-Launch zum Produktionsmodell

Um die Bedeutung von MAI-Code-1.1-Flash einzuordnen, hilft ein Blick zurück. Microsoft stellte MAI-Code-1-Flash im Juni 2026 bei der eigenen Build-Konferenz vor, als erstes eigenes Modell einer neuen Reihe speziell für Copilot zugeschnittener Coding-Modelle. Der Rollout folgte dem inzwischen üblichen Muster bei GitHub: Start in VS Code, dann Ausweitung auf weitere Oberflächen, am Ende die volle Business- und Enterprise-Freigabe. Diese drei Schritte brauchten beim ersten Modell knapp vier Wochen, vom 2. bis zum 26. Juni 2026.

Von der ersten Version bis zur Ankündigung der 1.1-Version vergingen gut zwei Monate, von der Ankündigung bis zur vollständigen Abschaltung des Vorgängers weitere vier Wochen. Diese Schlagzahl ist für ein Microsoft-eigenes Modell bemerkenswert schnell und liegt im Takt der großen externen Anbieter, die ihre Copilot-Modelle ebenfalls in Wochen- statt Jahreszyklen aktualisieren. GitHub Docs beschreibt die technische Grundlage dieser schnellen Iteration knapp: “MAI-Code-1.1-Flash is a first-party Microsoft model hosted on Azure in your GitHub tenant.” (GitHub Docs) Übersetzt: Es handelt sich um ein Microsoft-eigenes Modell, das auf Azure direkt im GitHub-Mandanten des Kunden gehostet wird, ein Detail, das für Datenschutz- und Compliance-Abteilungen in Österreich relevant ist, weil Daten dadurch näher an der bestehenden Microsoft-365- und Azure-Infrastruktur bleiben.

Konkurrenzvergleich: Wie schlägt sich MAI-Code-1.1-Flash gegen Claude, GPT und Gemini?

Benchmark-Werte gegenüber Claude Haiku 4.5

Microsoft positioniert MAI-Code-1.1-Flash bewusst nicht als Flaggschiff, sondern als preiswerte Arbeitsebene unterhalb der großen Reasoning-Modelle. Trotzdem veröffentlichte Microsoft beim Vorgängermodell einen direkten Vergleich mit Claude Haiku 4.5 von Anthropic: 51,2 Prozent gegenüber 35,2 Prozent bei SWE-bench Pro, ein Vorsprung von 16 Prozentpunkten, sowie 71,6 Prozent gegenüber 66,6 Prozent bei SWE-bench Verified. Diese Zahlen bezogen sich auf die erste MAI-Code-1-Flash-Version. Die 1.1-Version baut diesen Vorsprung laut Microsoft weiter aus und verbraucht dabei rund 25 Prozent weniger Token pro gelöster Aufgabe.

Im breiteren Modell-Ranking von HokAI liegt MAI-Code-1.1-Flash bei SWE-bench Verified mit 72,6 Prozent allerdings im unteren Drittel: Rang 21 von 31 verglichenen Modellen, bei einem Median von 77,2 Prozent. Das Modell ist also kein Spitzenreiter bei reiner Löserate, dafür aber eines der günstigsten Modelle im Vergleichsfeld. Diese Positionierung passt zum parallelen Geschehen bei Copilot im Herbst 2026: Claude Opus 5.5 und Claude Sonnet 5.5 von Anthropic, GPT-6 Sol und GPT-6 Luna von OpenAI sowie Grok 4.7 von xAI zielen alle auf die obere Qualitätsebene für komplexe Refactorings und Architekturentscheidungen, während MAI-Code-1.1-Flash die hochvolumige Alltagsarbeit abdeckt: einfache Vervollständigungen, kleine Bugfixes, repetitive Refactoring-Schritte.

GitHub selbst unterstreicht in seiner Ankündigung die Positionierung als Einstiegsmodell: “MAI-Code-1.1-Flash, Microsoft’s latest small-tier coding model, is now rolling out in GitHub Copilot.” (GitHub) Zu Deutsch: MAI-Code-1.1-Flash, Microsofts neuestes Modell der kleinen Preisklasse, rollt jetzt in GitHub Copilot aus. Diese Einordnung als “small-tier”-Modell erklärt auch, warum Microsoft bei der Einführung keinen direkten SWE-bench-Vergleich mit den großen Reasoning-Modellen wie GPT-6 Sol oder Claude Opus 5.5 veröffentlicht hat.

Marktauswirkung: Was die Preissenkung für Unternehmen bedeutet

Budget-Effekt bei Business- und Enterprise-Lizenzen

Für IT-Abteilungen in Österreich und der DACH-Region, die Copilot-Lizenzen im größeren Stil einsetzen, ist der Kostenfaktor keine Nebensache. Copilot Business und Enterprise rechnen Modellaufrufe über ein Premium-Request-System ab, bei dem unterschiedliche Modelle unterschiedlich stark auf das monatliche Kontingent angerechnet werden. Ein Modell, das ein Viertel der bisherigen Kosten verursacht, verändert direkt, wie weit ein festes Budget reicht, besonders bei Teams, die Copilot für hochfrequente, aber fachlich einfache Aufgaben wie Testabdeckung, Boilerplate-Code oder Dokumentation einsetzen.

Gleichzeitig verschiebt die Einführung eines Microsoft-eigenen Billig-Modells die Verhandlungsposition gegenüber den übrigen Anbietern. Wenn Microsoft eine eigene, spürbar günstigere Alternative für die Masse der Alltagsanfragen hat, sinkt der Druck, für diese Anfragen weiterhin teure externe Modelle einzukaufen. Das dürfte mittelfristig auch auf die Preisgestaltung von OpenAI, Anthropic, Google und xAI für ihre kleineren Modelle wie GPT-6 Luna, Claude Haiku oder Gemini 3.8 Flash zurückwirken, weil diese Anbieter sonst Marktanteile bei den günstigen Anfragen verlieren. Für europäische Unternehmen kommt als Standortfrage hinzu, dass MAI-Code-1.1-Flash laut GitHub Docs direkt im eigenen GitHub-Mandanten auf Azure läuft, was die Daten-Governance-Diskussion gegenüber rein US-gehosteten Drittmodellen vereinfachen kann.

Die automatische Modellauswahl: Effizienz, Ausgewogenheit, Intelligenz

Parallel zur Einführung von MAI-Code-1.1-Flash hat GitHub im September 2026 ein neues System für die automatische Modellauswahl ausgerollt, mit drei wählbaren Prioritäten: Effizienz, Ausgewogenheit und Intelligenz. Nutzer legen fest, ob Copilot bei automatischer Auswahl eher auf Kosten und Tempo oder eher auf maximale Modellqualität optimieren soll. Alle drei Stufen greifen auf denselben Modell-Pool zurück, gewichten die Auswahl aber unterschiedlich. In der Praxis bedeutet das: Wer die Stufe Effizienz wählt, bekommt für einfache Aufgaben mit hoher Wahrscheinlichkeit MAI-Code-1.1-Flash zugewiesen, während die Stufe Intelligenz eher zu Modellen wie Claude Opus 5.5 oder GPT-6 Sol greift.

Diese Dreiteilung ist zunächst in VS Code, der Copilot CLI und der Copilot-App verfügbar. Für Teams, die Copilot-Kosten im Griff behalten müssen, ist das ein direkter Hebel, der bisher fehlte: Statt jedes Modell einzeln zu sperren oder freizugeben, lässt sich jetzt eine Gesamtpriorität vorgeben, hinter der Microsofts eigenes Billig-Modell naturgemäß eine zentrale Rolle spielt.

Vision-Unterstützung: Der stille, aber wichtige Fortschritt

Ein Detail, das in Microsofts eigener Ankündigung kaum Erwähnung findet, aber für die tägliche Arbeit relevant ist: MAI-Code-1.1-Flash kann erstmals Bilder verarbeiten. Der Vorgänger war reine Text-Eingabe, die neue Version liest laut unabhängigen Modell-Trackern auch Screenshots, Diagramme und UI-Mockups direkt ein. Für die Praxis heißt das, dass sich etwa ein Screenshot einer fehlerhaften Benutzeroberfläche direkt an das Modell übergeben lässt, verbunden mit der Bitte, den zugehörigen CSS- oder Layout-Code zu korrigieren, ohne den Umweg über eine textuelle Beschreibung des Problems.

Dass ein reines Billig-Modell diese Fähigkeit bekommt, zeigt, wie schnell multimodale Eingaben vom Alleinstellungsmerkmal teurer Flaggschiff-Modelle zur Grundausstattung selbst in der günstigsten Preisklasse werden. Für Entwicklerteams, die viel mit Frontend-Arbeit oder Design-Übergaben zu tun haben, dürfte das einer der praktisch spürbarsten Vorteile der 1.1-Version sein, deutlicher als die reinen Benchmark-Prozentpunkte.

MAI-Code-1.1-Flash im Modellwähler aktivieren

Für Einzelentwickler mit einem zahlenden Copilot-Tarif lässt sich das Modell direkt im Editor auswählen. In Visual Studio Code genügt ein Wechsel im Modellwähler des Copilot-Chat-Panels. Für Teams, die das Modell programmatisch über die Copilot-API oder kompatible Agenten-Frameworks ansteuern wollen, sieht eine typische Konfiguration so aus:

{
  "providers": {
    "github-copilot": {
      "apiKey": "IHR_API_SCHLUESSEL",
      "models": [
        {
          "id": "mai-code-1.1-flash",
          "name": "MAI-Code-1.1-Flash",
          "input": ["text", "image"],
          "contextWindow": 256000,
          "maxTokens": 128000,
          "cost": {
            "input": 0.2,
            "output": 1.2,
            "cacheRead": 0.02,
            "cacheWrite": 0
          }
        }
      ],
      "api": "openai-responses",
      "baseUrl": "https://api.individual.githubcopilot.com"
    }
  }
}

Business- und Enterprise-Administratoren müssen zusätzlich die Modellrichtlinie in den Organisationseinstellungen von GitHub Copilot freischalten, da das Modell auf Organisationsebene standardmäßig deaktiviert ist. Erst danach taucht MAI-Code-1.1-Flash auch für Teammitglieder im Modellwähler auf.

Die Rolle von GitHub Copilot im KI-Werkzeugkasten 2026

MAI-Code-1.1-Flash reiht sich in eine längere Liste an Copilot-Neuerungen aus dem Herbst 2026 ein. GitHub hat im selben Zeitraum Grok 4.7, Claude Sonnet 5.5, GPT-6 Sol und GPT-6 Luna ausgerollt, während gleichzeitig ältere Modelle wie Gemini 3.5 Flash, Gemini 3.6 Flash, Kimi K2.7 Code und Claude Opus 4.7 am 2. Oktober 2026 abgeschaltet wurden. Auch das Plugin für JetBrains-IDEs erhielt im September 2026 mit Version 1.18.0 ein Update, das unter anderem KI-gestützte Werkzeug-Genehmigungen und organisationsweit geteilte Skills und Anweisungen bringt, worüber auch bereits bei der Abkündigung mehrerer Copilot-Modelle im September berichtet wurde.

Dieses Tempo an Modellwechseln stellt Teams vor eine neue Art von Wartungsaufwand: Wer Copilot-Workflows fest auf ein bestimmtes Modell programmiert hat, muss diese Konfigurationen regelmäßig prüfen, weil GitHub ältere Modelle in der Regel mit wenigen Wochen Vorlauf abschaltet. Die Abkündigung von MAI-Code-1-Flash am 11. August 2026 mit Abschaltung am 10. September 2026 folgte exakt diesem Muster, vier Wochen Übergangszeit, keine längere Schonfrist. Wie schon bei der Einführung von HydraFusion zeigt sich, dass Microsoft Kosteneinsparungen zunehmend über eine intelligente Verteilung zwischen mehreren Modellen statt über ein einzelnes Flaggschiff erreichen will.

Offene Fragen und Risiken

Nicht jedes Detail zu MAI-Code-1.1-Flash ist offiziell von Microsoft bestätigt. Microsofts eigene Pressemitteilung liefert keine erschöpfende Benchmark-Tabelle gegenüber aktuellen OpenAI- oder Google-Modellen, keine ausführliche Erklärung zur Vision-Fähigkeit und keine öffentlich genannten Zitate von Führungskräften zum strategischen Hintergrund der Eigenentwicklung. Die in diesem Artikel genannten Werte zu Architektur, Kontextfenster und Preisstruktur stammen von unabhängigen Modell-Trackern wie Pi.dev und HokAI, die ihre Daten aus Konfigurationsdateien und API-Dokumentationen beziehen, nicht aus einer offiziellen Microsoft-Spezifikationsseite.

Ein weiterer Punkt betrifft die Abhängigkeit von Microsofts eigener Cloud. Da das Modell laut GitHub Docs direkt im GitHub-Mandanten auf Azure gehostet wird, fehlt bislang ein Eintrag bei konkurrierenden Cloud-Plattformen wie AWS Bedrock oder Google Vertex. Unternehmen mit einer Multi-Cloud-Strategie müssen das bei der Modellwahl mitberücksichtigen. Auch die geschlossenen Gewichte und das Fehlen einer Hugging-Face-Veröffentlichung bedeuten, dass sich das Modell nicht unabhängig von Microsofts eigener Infrastruktur betreiben lässt. Wer stattdessen auf ein offen zugängliches Modell mit ähnlicher Preisklasse setzen will, findet in der Marktübersicht zu Copilots Abrechnung pro Token einen Vergleich der aktuellen Preismodelle.

Prognosen: Wie geht es mit Microsofts Eigenmodellen weiter?

Auf Basis der bisherigen Entwicklung lassen sich einige Trends für die kommenden Monate ableiten, ausdrücklich als Einschätzung und nicht als bestätigte Microsoft-Ankündigung:

  • Microsoft dürfte den bisherigen Rhythmus beibehalten und noch vor der nächsten Build-Konferenz eine weitere Zwischenversion, etwa MAI-Code-1.2, veröffentlichen, da der Abstand zwischen 1.0 und 1.1 nur rund zwei Monate betrug.
  • Weitere hauseigene Modelle für andere Copilot-Aufgaben, etwa für Code-Review oder Testgenerierung, sind wahrscheinlich, da Microsoft mit MAI-Thinking-1 bereits ein zweites MAI-Modell für komplexere Denkaufgaben betreibt.
  • Der Preisdruck auf OpenAI, Anthropic, Google und xAI bei ihren kleinen, günstigen Modellen dürfte zunehmen, weil Microsoft mit einem eigenen Billig-Modell direkt im eigenen Produkt konkurriert.
  • Die Enterprise-Durchdringung wird langsamer wachsen als die Nutzung bei Einzelentwicklern, weil Admins die Modellrichtlinie aktiv freischalten müssen und viele Organisationen solche Freigaben erst nach interner Prüfung erteilen.
  • Vision-Eingabe wird in der Copilot-Modellpalette zum Standard, auch bei günstigen Modellen, nachdem selbst ein reines Flash-Modell diese Fähigkeit jetzt mitbringt.

Was das für Entwickler in Österreich bedeutet

Für den heimischen Markt ist vor allem die Kombination aus Preis und Datenstandort relevant. Österreichische Unternehmen, die Copilot über Microsoft-365- oder Azure-Verträge beziehen, bekommen mit MAI-Code-1.1-Flash ein Modell, das sich enger in diese bestehende Vertragslandschaft einfügt als externe Modelle von OpenAI oder Anthropic. Für kleinere Softwarefirmen und Einzelentwickler, die Copilot über den Pro- oder Pro+-Tarif nutzen, zählt vor allem, dass sich mit der neuen Effizienz-Priorität bei der automatischen Modellauswahl ein spürbar günstigeres Alltagsmodell ergibt, ohne dass man manuell zwischen Dutzenden Optionen wählen muss. Einen Eindruck davon, wie stark sich Copilot insgesamt seit der Einführung von Claude Sonnet 5.5 und den gestaffelten Modellprioritäten verändert hat, gibt der Vergleich der drei neuen Auswahlstufen von GitHub.

Gleichzeitig bleibt die Grundregel bestehen, die sich schon bei den vorherigen Modellabschaltungen gezeigt hat: Wer Copilot-Workflows automatisiert oder über die API fest verdrahtet hat, sollte Modell-IDs nicht hart codieren, sondern regelmäßig die GitHub-Changelogs prüfen. Vier Wochen Vorlaufzeit zwischen Abkündigung und Abschaltung sind der GitHub-Standard, nicht die Ausnahme.

Häufig gestellte Fragen

Was ist MAI-Code-1.1-Flash?
MAI-Code-1.1-Flash ist ein von Microsoft AI selbst entwickeltes Coding-Modell, das seit dem 4. September 2026 in GitHub Copilot produktiv läuft. Es ersetzt MAI-Code-1-Flash, das Microsoft im Juni 2026 vorgestellt hatte.

Wie viel günstiger ist MAI-Code-1.1-Flash als der Vorgänger?
Laut Microsoft kostet die 1.1-Version nur ein Viertel des Vorgängermodells, also 75 Prozent weniger, bei gleichzeitig 25 Prozent geringerem Tokenverbrauch pro Aufgabe.

Kann MAI-Code-1.1-Flash Bilder verarbeiten?
Ja. Im Unterschied zum rein textbasierten Vorgänger akzeptiert die 1.1-Version laut unabhängigen Modell-Trackern auch Bildeingaben wie Screenshots oder UI-Mockups.

Wie groß ist das Kontextfenster von MAI-Code-1.1-Flash?
Laut Pi.dev und HokAI liegt das Kontextfenster bei 256.000 Token, die maximale Ausgabelänge bei 128.000 Token, unverändert gegenüber dem Vorgängermodell.

Wer kann MAI-Code-1.1-Flash in GitHub Copilot nutzen?
Free- und Student-Nutzer erhalten es nur über die automatische Modellauswahl. Pro-, Pro+- und Max-Kunden können es manuell wählen. Business- und Enterprise-Admins müssen die Modellrichtlinie zuerst aktivieren, da sie standardmäßig deaktiviert ist.

Wie schneidet MAI-Code-1.1-Flash im Vergleich zu Claude Haiku 4.5 ab?
Microsoft verglich den Vorgänger MAI-Code-1-Flash mit Claude Haiku 4.5 und berichtete 51,2 Prozent gegenüber 35,2 Prozent bei SWE-bench Pro sowie 71,6 Prozent gegenüber 66,6 Prozent bei SWE-bench Verified. Die 1.1-Version baut diesen Vorsprung laut Microsoft weiter aus.

Ist MAI-Code-1.1-Flash ein Open-Source-Modell?
Nein. Die Gewichte sind geschlossen, es gibt keine Hugging-Face-Veröffentlichung und keine offene Lizenz. Das Modell läuft ausschließlich über Microsoft Foundry auf Azure sowie ausgewählte Drittanbieter-Router.

Warum entwickelt Microsoft ein eigenes Coding-Modell, statt nur OpenAI-Modelle zu nutzen?
Ein eigenes, günstiges Modell für die Masse der einfachen Coding-Anfragen senkt Microsofts Kosten gegenüber externen Anbietern und gibt dem Unternehmen mehr Kontrolle über Latenz, Trainingsdaten und Produktintegration in Copilot.