微软正式推出MAI Code 2与MAI Code 2 Flash两款编程模型。据微软介绍,MAI Code 2的性能已非常接近GPT-6.1 Sol与Claude Opus 5.5,但成本仅为后两者的一小部分。目前这两款模型均已在GitHub Copilot中上线。

MAI Code 2专注于开发者日常工作所需的能力,包括代码部署到生产环境、深入调试、多文件实现以及对整个代码仓库的推理分析,同时也涵盖UI相关工作。较小规模的变体MAI Code 2 Flash则主要面向大批量的简单任务,例如代码解释、局部调整、常规修复以及快速迭代等场景。

微软表示,这两款模型“尚未针对更复杂的问题进行调优”,例如基础科学研究以及需要长时间跨度的智能体任务。目前,性价比仍是首要考量目标。

提示:微软正在用新模型强化AI智能体能力

微软依据GitHub Copilot中常见的任务类型,在四个基准测试上对模型表现进行了评估,分别是DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas以及FrontierCode v1.1。测试结果显示,MAI Code 2在这些基准上达到了GPT-6.1 Sol性能的98%,但成本仅为其40%。与Claude Opus 5.5相比,MAI Code 2实现了96%的性能表现,而成本仅为其5%。上述数据均来自微软内部的评估平台。

视觉相关的工作同样受到重视。MAI Code 2针对仪表盘与可视化场景进行了优化。在前端应用的盲测评估中,评审者在64%的案例中更倾向于选择MAI Code 2生成的结果,而非GPT-6 Sol的输出。

据微软介绍,Flash版本在三项常规编码任务基准测试中,表现与GPT-6 Luna及Claude Haiku 5.5相当,但成本分别只有二者的65%和20%。

基于Code 2 Flash,微软还针对Microsoft 365与Fabric IQ专门优化了一款独立模型,名为MAI Work Flash。根据内部基准测试,该模型在Excel与PowerPoint中的表现达到GPT-6 Luna的水平;在Word中的表现则接近GPT-6.1 Sol,且每次调用所使用的输入Token数量减少约42%。在Teams场景下,该模型在执行指令与调用工具时,所消耗的Token数量比GPT-6 Luna最多减少28%。在为Power BI生成DAX查询的离线测试中,该模型的表现优于GPT-5.6 Sol、GPT-6 Astra以及Opus 5.5。

目前,MAI Code 2与Code 2 Flash已在GitHub Copilot中正式上线。Code 2 Flash同时在Microsoft Foundry中以限量预览的形式提供。OpenRouter、Vercel、Hermes、OpenCode及Kilo等平台也将陆续支持这两款模型。

techzine.eu