35B 跑出 AIME 97%。選模的順序真的要倒過來想了
Microsoft 上週發了 MAI-Thinking-1 和 MAI-Code-1-Flash，一個 35B-active，一個 5B。
我看到這個消息的第一個反應不是「又一個跑分超越旗艦的模型」，而是：35B 的 reasoning model 在 AIME 2025 跑出 97.0%、AIME 2026 跑出 94.5%，SWE-Bench Pro 跟 Claude Opus 4.6 同級。整體架構是 sparse MoE，total 約 1T 參數，但 active 只有 35B。
從產品面來看，這組數字的意義比跑分排名更實際。
之前選模型的邏輯問題
大部分 B2B 產品在引入 AI 功能的時候，選模型的順序大概是：先看誰最強，再問 cost 能不能接受，最後確認有沒有 enterprise 授權問題。
這個順序本身有個預設：功能需求是固定的，模型是可換的變數。但現實是很多任務根本不需要最強，需要的是夠穩、夠快、授權夠清楚。
微軟特別強調這兩個模型用的是 clean、commercially licensed data，且未蒸餾第三方模型。對企業而言，這條線在金融或醫療場景是硬的，合規部門不會把它當加分項處理。
35B active 意味著 inference cost 可以壓下來，能力卻沒有對應縮水。這個組合以前很難找，你要麼接受小模型的降格，要麼接受大模型的費用。
PM 的選模框架要換一個問法
現在我建議團隊在選模型時先問：這個任務需要什麼等級的推理？
日常工作流裡的文件處理、郵件草稿、FAQ 回答，35B 等級的 reasoning model 通常夠用，而且比 GPT-4 系列便宜。需要跨步驟規劃、複雜 code review 或長鏈推理的任務，才值得拉上旗艦模型。對授權敏感的場景，clean data 這條件直接篩掉一批選項。
MAI-Thinking-1 有意思的地方在於，它讓這個框架開始有現成的選項可以對應。以前中型 reasoning model 幾乎都有授權模糊的問題，現在這個 gap 有人填了。
企業選模的邏輯正在從「能力排名」轉向「任務匹配」。這個觀念不新，只是以前沒有合適的模型讓它真的落地。現在有了，所以選模的問法要跟著換。
作者：MingTech