Maia 300: 40 Prozent mehr Tokens je Megawatt geplant

Microsofts Executive Vice President für Cloud und KI, Scott Guthrie, stellte Maia 300 in der Ankündigung vom 12. Oktober 2026 vor: Für den Produktionseinsatz ab 2027 erwartet Microsoft 40 Prozent mehr erzeugte Tokens je Megawatt als bei führenden GPU-Systemen. Die Maia-Familie soll zum „primary inference system“ für Microsofts Produkte und Dienste werden. Der Effizienzwert für Maia 300 ist eine Herstellerprognose für ein künftiges Gesamtsystem.

Der TechRadar-Bericht zur Vorstellung beschreibt den Unterschied zwischen den Generationen: Maia 200 bearbeitet bereits Produktionslasten, während ein voll bestücktes Maia-300-Rack künftig bis zum siebenfachen Token-Durchsatz eines Maia-200-Racks erreichen soll. Damit geht es um mehr Kapazität für KI-Antworten und mehrstufige Agentenaufgaben. Wie viel davon in einzelnen Azure- oder Copilot-Diensten ankommt, steht mit der Vorstellung noch nicht fest.

Maia 200 läuft bereits, Maia 300 muss sich erst beweisen

Der belastbarere Ausgangspunkt ist Maia 200. Microsoft setzt die Generation unter anderem für Copilot und für die Entwicklung eigener Modelle ein. Für integrierte Funktionen in Teams, Copilot und Cowork nennt der Konzern bis zum 1,7-Fachen der Tokens pro Watt gegenüber führender GPU-Infrastruktur. Auch dieser Vergleich stammt vom Hersteller; er bezieht sich jedoch auf bereits laufende Dienste statt auf einen geplanten Produktionsanlauf.

Die neuen Kennzahlen beantworten verschiedene Fragen. Tokens je Megawatt messen den erwarteten Ertrag aus einer bestimmten elektrischen Leistung und beziehen sich bei Maia 300 auf GPU-basierte Systeme. Der angekündigte Rack-Durchsatz vergleicht dagegen zwei Maia-Generationen in einer vollständig bestückten Konfiguration. Mehr Durchsatz pro Rack sagt für sich genommen nichts darüber aus, wie schnell eine einzelne Anfrage beantwortet wird. Auch eine höhere Effizienz muss sich bei konkreten Modellen, Eingabelängen, parallelen Anfragen und Latenzvorgaben zeigen.

Betriebsstand: Maia 200 verarbeitet bereits Microsoft-Lasten. Maia 300 ist vorgestellt; sein Produktionseinsatz ist für die Zukunft vorgesehen.
Energievergleich: Für Maia 200 liegt eine Herstellerangabe aus laufenden Funktionen vor. Die Aussage zu Maia 300 beschreibt den erwarteten Ertrag des neuen Systems gegenüber führenden GPU-Systemen.
Rack-Vergleich: Der höhere angekündigte Durchsatz gilt für ein vollständiges Maia-300-Rack gegenüber einem Maia-200-Rack. Er ist kein Messwert für einen einzelnen Beschleuniger oder eine einzelne Copilot-Antwort.

Für den GPU-Vergleich nennt die Ankündigung keine einheitliche, öffentlich nachvollziehbare Testkonfiguration. Das ist bei Inferenz wichtig: Ein Modell mit langem Kontext beansprucht Speicher und Datenwege anders als ein kurzer Dialog; zugleich verändert die Zahl gleichzeitiger Sitzungen den Gesamtdurchsatz. Der genannte Effizienzvorsprung lässt sich daher derzeit nicht auf beliebige Azure-Workloads oder auf eine bestimmte Ersparnis bei Kunden übertragen.

Das Maia-300-Rack bündelt Speicher, Beschleuniger und Netzwerk

Die technische Architekturbeschreibung von Microsoft nennt 96 Beschleuniger in 24 Einschüben innerhalb eines Leistungsrahmens von 167 Kilowatt; jeder Beschleuniger soll 288 Gigabyte HBM4 und eine Spitzenbandbreite von 18 Terabyte pro Sekunde bieten. Für das gesamte Rack ergeben sich laut Microsoft 27,6 Terabyte HBM und 1,7 Petabyte pro Sekunde aggregierte Speicherbandbreite. Diese Summe beschreibt die Ausstattung des Racks, nicht die Bandbreite, die eine einzelne Anfrage abrufen könnte.

Der größere Speicher ist auf rechenintensive Inferenz mit langen Kontexten ausgerichtet. Bei mehrstufigen Aufgaben muss ein System bereits verarbeitete Informationen für spätere Schritte verfügbar halten. Maia 300 nutzt dafür eine Chiplet-Architektur, die Rechenfunktionen, Speichersteuerung und Ein- und Ausgabe trennt. Software soll Daten möglichst nahe bei den Recheneinheiten platzieren; kürzere Wege können den Energiebedarf für Datenbewegungen senken. Ob dieser Entwurf den angekündigten Ertrag erreicht, hängt auch davon ab, wie gut Modelle und Software die Hardware auslasten.

Hinzu kommt die Verbindung zwischen den Beschleunigern. Innerhalb des Racks und über Rack-Grenzen hinweg soll ein auf Ethernet gestütztes Netzwerk die Arbeit großer Modelle verteilen. So können Rechenphasen und gespeicherter Kontext zwischen geeigneten Einheiten wandern, ohne dass jede Aufgabe auf einen einzelnen Beschleuniger passen muss. Stromversorgung, Netzwerktechnik und Kühlung gehören dabei zum Rack-System. Der Leistungsrahmen des Racks darf deshalb nicht wie die Leistungsaufnahme eines Chips behandelt werden.

Welche Microsoft-Dienste von zusätzlicher Kapazität profitieren könnten

Maia 300 ist für lange Eingaben, zeitkritische Gespräche und dauerhaft laufende Aufgaben mit mehreren Arbeitsschritten ausgelegt. Solche Lasten betreffen Microsofts Copilot-Angebote ebenso wie geplante Anwendungen für GitHub und die Modellbereitstellung über Microsoft Foundry. Der Nutzen wäre zunächst mehr Inferenzkapazität innerhalb eines begrenzten Strombudgets: Ein Rack könnte mehr gleichzeitige Arbeit übernehmen oder größere Aufgaben bedienen. Daraus folgt noch keine zugesagte Beschleunigung einer bestimmten Funktion und auch kein neuer Preis für Azure-Kunden.

Der Ausbau zur primären Inferenzinfrastruktur betrifft die Maia-Familie insgesamt. Maia 200 liefert dafür bereits Betriebserfahrung; Maia 300 soll die verfügbare Kapazität erweitern. Zwischen einer neuen Rack-Generation und einer spürbaren Änderung in Teams oder Copilot liegen weitere Entscheidungen darüber, welche Modelle und Dienste auf ihr laufen. Für eine Einordnung der späteren Leistung werden Produktionsdaten mit benannten Arbeitslasten, Strombedarf und Antwortzeiten benötigt.

Der europäische Ausbau beginnt mit Maia 200

Maia 200 wird bereits in den USA, Europa und Australien ausgebracht. Für Maia 300 ist ein Produktionsanlauf angekündigt, jedoch kein eigener Standort oder Verfügbarkeitstermin für Deutschland, Österreich oder die Schweiz. Auch eine europäische Maia-Bereitstellung sagt für sich genommen noch nicht, welcher Dienst in welcher Region auf welcher Beschleunigergeneration läuft. Für Kunden im deutschsprachigen Raum bleibt deshalb die konkrete regionale Zuordnung der späteren Dienste entscheidend.

Der nächste Schritt ist der geplante Produktionseinsatz von Maia 300. Dann wird sich zeigen, welche Microsoft-Angebote auf dem neuen System laufen und wie sich dessen Durchsatz unter realen Lasten zum Strombedarf verhält. Erst solche Betriebsdaten können die angekündigte Effizienz mit den Antwortzeiten verbinden, die Nutzer tatsächlich erleben.

Lesen Sie auch: