Microsoft fa il suo coding model. La fine della fiducia tra hyperscaler e foundation labs

Microsoft ha versato 11,8 miliardi di dollari a OpenAI su un commitment di 13. Detiene circa il 27% as-converted, una valutazione implicita di 228 miliardi sulla stake, e solo nell'ultimo trimestre ha contabilizzato 7,6 miliardi di gain da quell'investimento. Il 2 giugno, sul palco del Build di San Francisco, ha annunciato il primo coding model proprietario: MAI-Code-1-Flash. Cinque miliardi di parametri, in rollout su GitHub Copilot in VS Code, già dentro l'auto picker per circa il 10% degli utenti individual.

La lettura facile è il changelog: ecco il modello, ecco i benchmark, ecco quando arriva. La lettura interessante è un'altra. L'hyperscaler che ha messo più capitale al mondo dentro un foundation lab oggi pubblica il proprio modello "of record" per il coding. Non è un divorzio, non è una rivoluzione. È il segnale che la fiducia tra chi distribuisce e chi addestra non è più un rapporto strategico — è diventata una voce di costo da diversificare.

E non è il primo segnale. È il quinto in diciassette giorni.

L'annuncio, i fatti verificati

Martedì 2 giugno 2026, Microsoft Build, San Francisco. Keynote del Microsoft AI Superintelligence team, guidato da Mustafa Suleyman — CEO di Microsoft AI dal marzo 2024, quando Microsoft ne assunse il team di Inflection in una nota operazione di hire + licensing. Sul palco sette modelli MAI: MAI-Thinking-1 (primo reasoning model in-house, esplicitamente "trained without OpenAI data"), MAI-Image-2.5 con variante Flash, MAI-Voice-2 con variante Flash, MAI-Transcribe-1.5, e il pezzo che ci interessa qui — MAI-Code-1-Flash.

I numeri dichiarati, fonte primaria microsoft.ai:

• 5 miliardi di parametri
• SWE-Bench Pro: 51,2% vs 35,2% di Claude Haiku 4.5 (+16 punti)
• SWE-Bench Verified: pass rate superiore con fino al 60% di token in meno
• IF Bench: +28,9 punti su instruction-following vs Haiku 4.5
• Adversarial reasoning: 85,8% adjusted accuracy
• "Built end-to-end by Microsoft using clean and appropriately licensed data"

La citazione testuale dal transcript ufficiale del keynote:

"Code-1-Flash achieves 51% on SWE Bench Pro, despite having just 5B parameters, putting it closer to Haiku in size but cheaper in cost."

Il rollout è già partito su GitHub Copilot individual users in VS Code, sia nel model picker manuale sia nell'auto picker, con copertura iniziale stimata intorno al 10% dell'utenza individuale. Niente API pubblica annunciata, niente disponibilità Azure standalone al lancio. È un debutto interno allo stack Microsoft, non un'apertura al mercato.

"Flash" significa qualcosa, ed è onesto

Il suffisso non è marketing. È classificazione tecnica: piccolo, veloce, pensato per task ad alto volume e bassa latenza. Cinque miliardi di parametri non è un frontier model. Il confronto corretto è Claude Haiku 4.5, Gemini Flash, GPT-4o mini. È esplicitamente Microsoft stessa a posizionarlo lì — la citazione di Suleyman non dice "battiamo Opus", dice "siamo vicini a Haiku per dimensione ma più economici per costo".

Tradotto in pratica: MAI-Code-1-Flash non sostituisce Claude Opus 4.8 o GPT-5.5 sui task complessi. È un router economico per autocomplete, refactor banali, scaffold, fix di test, edit superficiali. Quello che Microsoft chiama nel keynote "production GitHub Copilot workflows rather than benchmark performance alone". Tradotto ancora: l'obiettivo non è la leaderboard, è spostare il grosso del traffico Copilot — la parte ad alto volume e basso rischio — su un modello che costa una frazione.

Una nota sul "trained without OpenAI data": è verificato esplicitamente per MAI-Thinking-1, dove la formulazione compare nelle fonti primarie e nei pickup di TechTimes e Free Press Journal. Per MAI-Code-1-Flash la frase ufficiale è "clean and appropriately licensed data". Non equivalgono. Vale la pena dirlo, perché la differenza tra le due formulazioni è esattamente il tipo di sfumatura che si perde quando il titolo gira.

Un'altra nota, doverosa: i benchmark sono dichiarati da Microsoft. Al 4 giugno, due giorni dall'annuncio, nessuna replica indipendente. SWE-Bench Pro è notoriamente sensibile a configurazione dell'harness, e il pattern degli ultimi diciotto mesi insegna che le revisioni post-lancio capitano. Prendere il 51,2% come dato di riferimento finché qualcun altro non lo riproduce è prudenza standard.

Il deal che spiega tutto (e che è già stato riscritto)

Per capire perché MAI-Code-1-Flash arriva oggi, e perché arriva così, bisogna fermarsi sul 27 aprile 2026. Quel giorno Microsoft pubblica sul blog ufficiale la "next phase" della partnership con OpenAI. Cinque punti chiave:

• License Microsoft sull'IP di OpenAI estesa fino al 2032
• Quella license diventa non-exclusive (prima era esclusiva)
• Microsoft non paga più revenue share a OpenAI
• OpenAI continua a pagare Microsoft fino al 2030, con un cap totale
• OpenAI può ora servire i propri prodotti su qualsiasi cloud, non solo Azure

La frase ufficiale che inquadra il tutto: "Microsoft remains OpenAI's primary cloud partner, and OpenAI products will ship first on Azure, unless Microsoft cannot and chooses not to support the necessary capabilities." È un partnership statement che lascia tutto il margine di manovra sotto la clausola finale.

Cosa significa, in pratica, che il 2 giugno Microsoft annunci un modello proprietario? Significa che dal 27 aprile l'esclusiva non c'è più, da nessuna delle due parti. OpenAI può vendere a Oracle, a Google Cloud, ovunque. Microsoft può addestrare e shippare modelli propri senza chiedere permesso, senza pagare revenue share su Copilot. MAI-Code-1-Flash non è un tradimento — è esattamente l'uso che chiunque, al posto di Satya Nadella, farebbe della clausola che si è negoziato cinque settimane fa.

Sul fronte OpenAI, al 4 giugno nessuna reazione pubblica documentata di Sam Altman al lancio MAI. Silenzio probabilmente strategico. La narrazione ufficiale resta "siamo partner", e operativamente lo sono ancora — la license vale fino al 2032 e GPT-5 continua a girare dentro Copilot accanto a Claude e Gemini. Ma il silenzio, in un settore che vive di tweet, è già un dato.

Il pattern: hyperscaler verticali

MAI-Code-1-Flash, isolato, è un annuncio interessante ma non epocale. Letto dentro il pattern degli hyperscaler degli ultimi tre anni, è la chiusura di un cerchio prevedibile.

AWS lo dice esplicitamente: "run Nova su Trainium3 a near-zero margin per undercut GPT-4o e Claude 3.5 sul prezzo". È la logica della convergenza verticale. Il capex aggregato dei cinque hyperscaler nel 2025 è stato di circa 443 miliardi di dollari, di cui circa il 75% in infrastruttura AI. La proiezione 2026 è oltre 600 miliardi. Con quelle cifre piantate nei datacenter, il modello in casa diventa banale ROI: ogni dollaro di inference non pagato a un fornitore esterno è un dollaro che giustifica il GPU che hai già comprato.

Microsoft mancava all'appello. Aveva Phi (posizionato come SLM da ricerca), aveva MAI-Voice-1, MAI-Image-2, MAI-Transcribe-1 da aprile, ma non aveva il "modello of record" generalista. Ora ce l'ha. Il pattern non è nuovo. È il nuovo normale.

Il filone dei diciassette giorni

Sul blog ho raccontato negli ultimi diciassette giorni cinque mosse che, prese singolarmente, sono notizie separate. Lette in fila, raccontano lo stesso fenomeno guardato da due lati.

Per anni la divisione del lavoro nello stack AI era netta: il foundation lab fa il modello, l'hyperscaler distribuisce, il dev consuma. Oggi ogni layer si muove sugli altri. Anthropic si compra il fornitore di SDK condiviso con OpenAI e Google (Stainless), apre uffici enterprise, ristruttura il pricing programmatico, prepara l'IPO. Microsoft addestra il proprio coding model. AWS shippa Nova Forge — letteralmente "build your own frontier model". Google ha il suo TPU, il suo modello, il suo cloud, il suo IDE.

È disaccoppiamento del valore tra i layer dello stack. Convergenza verticale, ognuno per i suoi motivi. I foundation lab si fanno enterprise perché senza margine diretto non sopravvivono ai prossimi due round. I distributori si fanno modelli perché senza margine sull'inference il capex non rientra. Le due forze spingono nella stessa direzione: ogni livello cerca di catturare il valore del livello adiacente.

La fiducia che teneva insieme il vecchio modello — "io ti finanzio, tu mi dai esclusiva, mi prendo il margine sul cloud" — non si è rotta in modo drammatico. Si è solo trasformata in una clausola di contratto che scade nel 2032 e che, nel frattempo, non vincola più nessuno a non muoversi.

Cosa cambia per il dev italiano

Provo a essere onesto: a brevissimo termine, poco di percepibile. A medio termine, qualcosa che vale la pena tenere d'occhio.

GitHub Copilot in VS Code. Già multi-modello da mesi. Claude Opus 4.8 è GA dal 28 maggio, GPT-5 è dentro, Gemini 2.5 Pro è dentro, Phi-4 è dentro. Ora si aggiunge MAI-Code-1-Flash nel picker manuale e — questa è la parte che riguarda direttamente chi usa Copilot stamattina — nell'auto picker per circa il 10% degli utenti individual. Tradotto: se il vostro auto picker vi instrada a MAI, su task semplici state già usando il modello Microsoft senza averlo scelto. Conviene aprire il selettore, vedere a quale modello finite, e se serve consistency forzare manualmente Claude o GPT.

Azure OpenAI Service. Nessun annuncio di routing automatico verso MAI. I due endpoint restano separati. MAI-Code-1-Flash non è ancora disponibile come API standalone su Azure ai consumer. È plausibile che nei prossimi tre-sei mesi arrivi su Azure AI Foundry — è il pattern già visto per MAI-Voice-1, MAI-Image-2, MAI-Transcribe-1 — ma al 4 giugno non è ufficiale.

Microsoft 365 Copilot. L'utente enterprise non vedrà differenza visibile a breve. Lato backend, Microsoft sposterà progressivamente i task semplici (riassunto email, Excel basic, draft brevi) su MAI per recuperare margine. Il template è il caso McKinsey citato a Build: "When we tuned our models for McKinsey's tasks, MAI delivered the highest win rate, outperforming GPT-5.5 on quality, whilst being 10x lower on cost." Va letto per quello che è — risultato specifico su un tuning per un cliente, non claim generale di superiorità. Ma è il template: tuning interno + costo 10× inferiore = margine recuperato senza far rumore.

Lock-in. Questo è il pezzo da segnare. Un Copilot enterprise tunato su MAI con i vostri dati non è banale da migrare altrove. Lo stesso problema delle tune di OpenAI, con una differenza importante: ora il fornitore del modello è anche il cloud, l'IDE, l'OS e la suite ufficio. Lo stack Microsoft non si rompe più nemmeno per scelta di modello.

Compliance e on-prem. Cinque miliardi di parametri è una taglia che, su hardware enterprise serio, gira ragionevolmente on-prem. Se Microsoft aprirà MAI-Code-1-Flash via Azure AI Foundry o in formato deployabile dentro tenant dedicati — non è annunciato, è speculazione — diventerà un'opzione concreta per banche, PA e settori regolati italiani che oggi non possono mandare codice ai server OpenAI per ragioni di compliance. È il pezzo di mercato che il deal con Anthropic Milano ha aperto e che Microsoft, con il suo stack integrato, può chiudere da sopra.

Cosa non sta succedendo

Per onestà, le cose che il pezzo non dice:

• Microsoft non sta sostituendo OpenAI. La license vale fino al 2032, GPT-5 è ancora dentro Copilot, Microsoft resta major shareholder. È diversificazione, non rimpiazzo.
• MAI non è meglio di GPT-5.5 o Claude Opus 4.8 sui task complessi. È classe Haiku, è onesto chiamarlo per quello che è.
• Non è una rivoluzione. È il copione AWS, Google, Apple, Meta giocato con qualche anno di ritardo. Era prevedibile e si sapeva che sarebbe arrivata.
• I benchmark non sono replicati indipendentemente al 4 giugno. Due giorni dall'annuncio sono troppo pochi.

La fiducia tra hyperscaler e foundation lab non si è "rotta". È diventata economica invece che strategica. Per anni Microsoft aveva un partner privilegiato e ci scommetteva sopra il futuro del proprio cloud. Oggi ha un fornitore con cui ha un contratto fino al 2032, un proprio modello sull'auto picker, e un team interno che addestra senza chiedere permesso. Sono ruoli diversi, e va bene così. È quello che succede quando un mercato matura: smetti di essere socio fondatore e diventi cliente con un piano B.

Per chi sviluppa in Italia, la traduzione è asciutta. Tenete d'occhio quale modello vi serve l'auto picker di Copilot stamattina. Non buttate via niente, non cambiate stack. Ma sappiate che lo stack Microsoft, che già era integrato, da oggi è un po' più integrato — e che il prossimo annuncio rilevante non sarà un nuovo modello, sarà il giorno in cui MAI verrà aperto come API standalone su Azure. Quel giorno il mercato cambia davvero. Oggi no.

Fonti

Primarie:

1. Microsoft AI — Introducing MAI-Code-1-Flash
2. Microsoft AI — Build 2026 MAI Keynote Transcript
3. Microsoft AI — MAI-Code-1-Flash model page
4. Microsoft AI — Model Card PDF
5. Microsoft Blog — Next phase of Microsoft-OpenAI partnership (27/4/2026)
6. Microsoft Tech Community — New MAI models in Foundry

Secondarie tech: 7. CNBC — Microsoft unveils new AI models to lessen reliance on OpenAI 8. CNBC — OpenAI shakes up partnership with Microsoft (27/4/2026) 9. TechTimes — MAI-Thinking-1 trained without OpenAI data 10. Euronews — Microsoft launches AI models to take on OpenAI and Anthropic 11. TechCrunch — Microsoft gained $7.6B from OpenAI last quarter 12. ai-tldr.dev — Seven MAI models recap 13. GeekWire — End of single-model era in enterprise AI

Contesto hyperscaler: 14. AWS — Nova Forge announcement 15. Amazon — AWS re:Invent 2025 AI news 16. Futurum — AWS re:Invent 2025 leadership analysis 17. IoT Analytics — Leading generative AI companies (capex 2026)

Italiana: 18. Il Software — MAI-Code-1 Flash per accelerare il coding AI 19. Il Sole 24 Ore — Build 2026 proprietary MAI models