Modely a platformy AI
Microsoft AI uvádí MAI Code 2 a MAI Code 2 Flash pro podniky

Klíčové bodyMicrosoft staví MAI Code 2 na nákladech na úlohu, nikoli na surové převaze v…
Zobrazit více
- Microsoft staví MAI Code 2 na nákladech na úlohu, nikoli na surové převaze v benchmarkech nad konkurenčními modely.
- Varianta Flash překonává oba srovnávané modely v průměrné míře úspěšnosti a zároveň vykazuje nižší náklady na úlohu.
- Odvozená verze Flash přechází do Microsoft 365 a Fabric IQ, čímž se vydání rozšiřuje za hranice kódování do každodenní podnikové práce.
Microsoft AI oznámila 17. listopadu 2026 dva modely pro každodenní programování v podnicích, MAI Code 2 a MAI Code 2 Flash. Uvedla, že MAI Code 2 dosahuje ve čtyřech benchmarkových testech 98 % výkonu GPT-6.1 Sol při 40 % jeho nákladů a 96 % výkonu Claude Opus 5.5 při 5 % jeho nákladů.
Model MAI Code 2 je určen pro změny v produkčním prostředí, hloubkové ladění chyb, implementaci napříč více soubory, uvažování nad celými repozitáři a tvorbu uživatelských rozhraní. Varianta Flash cílí na úlohy ve velkém objemu: vysvětlování kódu, cílené úpravy, běžné opravy a rychlé opakování postupu. Toto rozdělení odděluje náročnější implementační práci od častých úloh, u nichž při velkém rozsahu záleží na nižších nákladech na jednotlivý úkol.
Microsoft jasně vymezuje hranice: žádný z modelů zatím nebyl vyladěn pro základní vědecký výzkum ani práci agentů s velmi dlouhým časovým horizontem. Toto omezení vymezuje zaměření vydání na programátorské úkoly, které zákazníci řeší každý den.
Výsledky benchmarků a cenové podmínky
V testech DeepSWE 1.1, Terminal-Bench 2.1, SWE Atlas a FrontierCode v1.1 Microsoft uvádí pro MAI Code 2 průměrnou úspěšnost 63,2 % a průměrné náklady 0,309 $ na úkol. GPT-6.1 Sol dosáhl v průměru 64,1 % při nákladech 0,761 $, zatímco Claude Opus 5.5 dosáhl v průměru 65,3 % při nákladech 6,306 $. Malé rozdíly v úspěšnosti a mnohem výraznější rozdíly v nákladech vysvětlují, proč Microsoft staví vydání na poměru ceny a výkonu.
Všechny modely v programátorských srovnávacích testech pracovaly s maximální mírou úsilí při uvažování. Údaje o nákladech modelů Microsoftu vycházejí z 50% akční ceny a společnost upozorňuje, že změna pracovní zátěže, konfigurace modelu, míry úsilí při uvažování nebo cenových předpokladů může výsledky srovnání ovlivnit. DeepSWE, Terminal-Bench a SWE Atlas běžely na interní platformě MSBench společnosti Microsoft prostřednictvím GitHub Copilot CLI, bez dílčích agentů.
U modelu MAI Code 2 Flash Microsoft uvádí průměrnou úspěšnost 61,0 % a průměrné náklady 0,052 $ na úkol v testech DeepSWE 1.1, Terminal-Bench 2.1 a SWE Atlas. GPT-6 Luna dosáhl v průměru 55,1 % při nákladech 0,080 $ a Claude Haiku 5.5 dosáhl v průměru 53,9 % při nákladech 0,319 $. Flash má tedy vyšší průměrnou úspěšnost a nižší uváděné náklady na úkol než oba srovnávané modely.
Samostatná zaslepená hodnocení front-endu zahrnovala uživatelská rozhraní, hry, vizualizace dat, 3D scény a grafiku SVG. Microsoft uvádí, že 258 hodnotitelů upřednostnilo MAI Code 2 před GPT-6 Sol z hlediska estetiky a funkčnosti v 67 % případů.
Dostupnost v Copilotu a integrace do produktů
Oba modely jsou dostupné v GitHub Copilot. MAI Code 2 Flash je také v omezeně dostupné předběžné verzi v Microsoft Foundry; jeho uvedení se plánuje na OpenRouter, Vercel, Hermes, OpenCode a Kilo.
Microsoft dále optimalizoval Code 2 Flash a vytvořil MAI Work Flash pro použití v Microsoft 365 a Fabric IQ. Společnost uvádí, že v interních benchmarcích zákaznických scénářů v Excelu dosahuje srovnatelné přesnosti a efektivity využití tokenů jako GPT-6 Luna a že při častých úlohách v PowerPointu nabízí podobnou kvalitu a efektivitu využití tokenů.
Při hodnocení v Teams Microsoft uvádí vyšší skóre než u GPT-6 Luna v oblasti sledování rozhodnutí a nedostatků ve znalostech, přizpůsobování vlastních pokynů a volání nástrojů; při plnění pokynů a volání nástrojů přitom model spotřeboval až o 28 % méně tokenů.
U sémantických modelů Power BI Microsoft uvádí v offline hodnoceních generování dotazů DAX celkové skóre 0,77 pro MAI Work Flash, ve srovnání s 0,54 pro GPT-6 Astra, 0,45 pro GPT-5.6 Sol a 0,30 pro Opus 5.5. Generování dotazů DAX je funkcí, na níž stojí možnost Chat with your Data v Power BI.
Vydání modelů Microsoftu je tedy zároveň i jejich distribucí: Copilot získává dvě možnosti pro programování a varianta odvozená od modelu Flash proniká do tabulek, prezentací, chatu a analytiky. Uváděná čísla staví náklady na úkol do role hlavní konkurenční výhody; rozsah srovnání přitom určují akční ceny a záměrně úzce vymezené zaměření na pracovní úlohy.












