返回首頁

最新模型

微軟發布 MAI Code 2 系列,編碼模型成本比較採促銷價格計算

微軟於 11 月 17 日發布 MAI Code 2 與 Code 2 Flash,並在 GitHub Copilot 提供使用。新版主打企業編碼任務的成本效益,但官方比較包含促銷價格與特定代理執行設定,仍需以實際工作負載驗證。

Mike Mozart · CC BY 2.0 · Image source
zh-Hant

微軟於 11 月 17 日發布 MAI Code 2 與 MAI Code 2 Flash,將自研編碼模型帶入 GitHub Copilot。較大的 Code 2 面向深度除錯、多檔案實作、跨儲存庫推理及介面開發;Flash 則鎖定程式解說、局部修改與高頻修補。發布文章另指出,Flash 在 Microsoft Foundry 採限量預覽,其他平台整合仍列為後續計畫。官方發布說明

模型卡揭露,兩款模型皆採用具稀疏混合專家層的 decoder-only Transformer,並整合視覺編碼器,接受文字與影像輸入。標示的總上下文長度為 105 萬 token,其中輸入上限為 92.2 萬、輸出上限為 12.8 萬。這讓截圖、介面需求與大量程式碼能進入同一工作流程;但上下文容量本身,不能證明模型能穩定完成同等長度的工程任務。模型卡

這次最值得拆解的是評測條件。微軟稱,Code 2 在四項編碼基準的平均表現達 GPT 6.1 Sol 的 98%,成本為其 40%。其中 DeepSWE 1.1、TerminalBench 2.1 與 SWE Atlas 使用微軟內部 MSBench 平台,搭配不啟用子代理的 Copilot CLI;FrontierCode 1.1 則引用 Artificial Analysis 的分數與成本。所有模型均採最高推理強度,Code 2 的成本另按五折促銷價計算。因此,這組數字不能直接當成一般 API 定價或團隊部署後的節省比例。評測方法與價格註記

對工程團隊而言,大小模型分工提供了按任務配置模型的選項:例行修改可先測試 Flash,跨檔案問題再評估 Code 2。微軟也在 Ignite 公告中確認,兩者已進入 Copilot 模型選單與 Fusion。接下來應觀察促銷結束後的成本、不同工具框架下的修補成功率,以及長上下文對延遲的影響。官方亦明言,系列尚未針對基礎科學研究及極長時間代理工作最佳化,導入時仍應以自身儲存庫的測試通過率與人工審查結果判斷。Ignite 官方公告

來源

  1. MAI Code 2 and Code 2 Flash: Everyday coding at scalable prices
  2. MAI Code 2 and MAI Code 2 Flash Model Card
  3. Ignite 2026: Building the frontier ecosystem