最新模型
Microsoft、MAI Code 2シリーズを発表 コーディングモデルのコスト比較は販促価格で算出
Microsoftは11月17日、MAI Code 2とCode 2 Flashを発表し、GitHub Copilotで提供を開始した。企業向けコーディングタスクのコスト効率を打ち出す一方、公式比較には販促価格と特定のエージェント実行設定が含まれており、実際のワークロードでの検証が必要だ。

Microsoftは11月17日、MAI Code 2とMAI Code 2 Flashを発表し、自社開発のコーディングモデルをGitHub Copilotに導入した。大規模モデルのCode 2は、詳細なデバッグ、複数ファイルにまたがる実装、リポジトリ横断の推論、インターフェース開発を想定する。Flashは、コードの説明、部分的な変更、高頻度の修正を対象とする。発表記事によると、FlashはMicrosoft Foundryで限定プレビューとして提供され、他プラットフォームとの統合は今後の計画に含まれている。公式発表
モデルカードによると、両モデルは疎なMixture of Experts(MoE)層を備えたdecoder-only Transformerを採用し、視覚エンコーダーを統合して、テキストと画像の入力を受け付ける。公称のコンテキスト長は合計105万トークンで、入力上限は92万2,000トークン、出力上限は12万8,000トークンだ。これにより、スクリーンショット、インターフェース要件、大量のコードを同じワークフローに取り込める。ただし、コンテキスト容量だけでは、同じ長さのエンジニアリングタスクを安定して完了できることの証明にはならない。モデルカード
今回、特に精査すべきなのは評価条件だ。Microsoftによると、Code 2は4つのコーディングベンチマークの平均でGPT 6.1 Solの98%の性能を示し、コストはその40%だった。このうちDeepSWE 1.1、TerminalBench 2.1、SWE Atlasは、Microsoft社内のMSBenchプラットフォームで、サブエージェントを有効にしないCopilot CLIを使って評価した。FrontierCode 1.1については、Artificial Analysisのスコアとコストを引用している。すべてのモデルで最高の推論強度を使用し、Code 2のコストはさらに半額の販促価格で算出した。そのため、この数値を一般的なAPI料金や、チーム導入後に見込める削減率とそのまま見なすことはできない。評価方法と価格に関する注記
エンジニアリングチームにとって、大小のモデルを使い分けられることは、タスクに応じてモデルを選ぶ選択肢となる。定型的な変更ではまずFlashを試し、複数ファイルにまたがる問題ではCode 2を評価できる。MicrosoftはIgniteの発表でも、両モデルがCopilotのモデル選択メニューとFusionで利用可能になったと確認した。今後は、販促終了後のコスト、異なるツールフレームワークでの修正成功率、長いコンテキストがレイテンシに与える影響を注視したい。Microsoftはまた、このシリーズは基礎科学研究や極めて長時間に及ぶエージェント作業向けには最適化されていないと明記している。導入にあたっては、自社リポジトリでのテスト合格率と人によるレビュー結果に基づいて判断すべきだ。Ignite公式発表