AI-mallit ja alustat

Microsoft AI julkaisee yrityksille MAI Code 2:n ja MAI Code 2 Flashin

Jonas Reeve
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatMicrosoft asettaa MAI Code 2:n tehtäväkohtaiseen kustannukseen raa'an vertailuarvojen…
Näytä lisää
  • Microsoft asettaa MAI Code 2:n tehtäväkohtaiseen kustannukseen raa'an vertailuarvojen paremmuuden sijaan kilpaileviin malleihin verrattuna.
  • Flash-variantti voittaa molemmat vertailukohdat keskimääräisessä läpäisyasteessa ja raportoi samalla alhaisemman kustannuksen tehtävää kohden.
  • Flash-johdannainen siirtyy Microsoft 365:een ja Fabric IQ:hon, mikä laajentaa julkaisun koodauksesta jokapäiväiseen yritystyöhön.

Microsoft AI julkisti 17. marraskuuta 2026 kaksi yritysten päivittäiseen koodaukseen tarkoitettua mallia, MAI Code 2:n ja MAI Code 2 Flashin. Yhtiön mukaan MAI Code 2 yltää neljällä vertailutestillä 98 prosenttiin GPT-6.1 Solin suorituskyvystä 40 prosentilla sen kustannuksista ja 96 prosenttiin Claude Opus 5.5:n suorituskyvystä viidellä prosentilla sen kustannuksista.

MAI Code 2 on suunnattu tuotantokoodin muutoksiin, perusteelliseen virheenjäljitykseen, useisiin tiedostoihin ulottuvaan toteutukseen, koko koodivaraston kattavaan päättelyyn ja käyttöliittymien kehittämiseen. Flash-versio on tarkoitettu suuriin työmäärin: koodin selittämiseen, kohdennettuihin muokkauksiin, rutiinikorjauksiin ja nopeaan iterointiin. Mallien työnjako erottaa toisistaan vaativamman toteutustyön ja usein toistuvat tehtävät, joissa tehtäväkohtaiset kustannukset ovat suuressa mittakaavassa merkittäviä.

Microsoft kertoo selvästi mallien rajoista: kumpaakaan ei ole vielä viritetty perustieteelliseen tutkimukseen tai erittäin pitkän aikavälin agenttityöhön. Tämä rajoitus määrittää julkaisun rajauksen asiakkaiden päivittäin tekemään koodaustyöhön.

Vertailutulokset ja kustannusten ehdot

DeepSWE 1.1-, Terminal-Bench 2.1-, SWE Atlas- ja FrontierCode v1.1 -testeissä MAI Code 2:n keskimääräinen läpäisyaste oli Microsoftin mukaan 63,2 prosenttia ja keskimääräinen tehtäväkohtainen kustannus 0,309 dollaria. GPT-6.1 Sol saavutti keskimäärin 64,1 prosentin tuloksen 0,761 dollarin kustannuksella, kun taas Claude Opus 5.5:n keskiarvo oli 65,3 prosenttia ja kustannus 6,306 dollaria. Pienet erot läpäisyasteissa ja huomattavasti suuremmat kustannuserot selittävät, miksi julkaisussa painotetaan hinta-laatusuhdetta.

Kaikkia koodausvertailujen malleja käytettiin suurimmalla päättelyteholla. Microsoftin mallien kustannusluvut perustuvat 50 prosentin tarjoushintaan, ja yhtiö varoittaa, että työkuorman, mallin määritysten, päättelytehon tai hinnoitteluoletusten muuttaminen voi vaikuttaa vertailuihin. DeepSWE, Terminal-Bench ja SWE Atlas ajettiin Microsoftin sisäisellä MSBench-alustalla GitHub Copilot CLI:n kautta ilman aliagentteja.

MAI Code 2 Flashin keskimääräinen läpäisyaste oli Microsoftin mukaan 61,0 prosenttia ja keskimääräinen tehtäväkohtainen kustannus 0,052 dollaria DeepSWE 1.1-, Terminal-Bench 2.1- ja SWE Atlas -testeissä. GPT-6 Luna saavutti keskimäärin 55,1 prosentin tuloksen 0,080 dollarin kustannuksella, ja Claude Haiku 5.5:n keskiarvo oli 53,9 prosenttia ja kustannus 0,319 dollaria. Flashin keskimääräinen läpäisyaste on siis korkeampi ja ilmoitettu tehtäväkohtainen kustannus pienempi kuin kummallakaan vertailumallilla.

Erillisissä sokkoutetuissa käyttöliittymäarvioinneissa tarkasteltiin käyttöliittymiä, pelejä, datan visualisointeja, 3D-näkymiä ja SVG-grafiikkaa. Microsoftin mukaan 258 arvioijaa piti MAI Code 2:ta GPT-6 Solia parempana estetiikan ja toiminnallisuuden osalta 67 prosentissa arvioinneista.

Saatavuus Copilotissa ja tuotteisiin integrointi

Molemmat mallit ovat saatavilla GitHub Copilotissa. MAI Code 2 Flash on lisäksi rajatussa esikatselussa Microsoft Foundryssa, ja julkaisut OpenRouterissa, Vercelissä, Hermeksessä, OpenCodessa ja Kilossa ovat suunnitteilla.

Microsoft on optimoinut Code 2 Flashia edelleen ja kehittänyt siitä MAI Work Flashin käytettäväksi Microsoft 365:ssä ja Fabric IQ:ssa. Yhtiön mukaan sen tarkkuus ja tokenien käytön tehokkuus vastaavat GPT-6 Lunaa sisäisissä Excel-asiakasskenaarioiden vertailutesteissä. Myös yleisissä PowerPoint-tehtävissä laatu ja tokenien käytön tehokkuus ovat samankaltaisia.

Teams-arvioinneissa Microsoftin mukaan malli sai GPT-6 Lunaa paremmat pisteet päätösten seurannassa ja tietopuutteiden tunnistamisessa, mukautettujen ohjeiden soveltamisessa sekä työkalujen kutsumisessa. Ohjeiden noudattamiseen ja työkalujen kutsumiseen kului jopa 28 prosenttia vähemmän tokeneita.

Power BI:n semanttisissa malleissa Microsoft raportoi MAI Work Flashille kokonaispistemääräksi 0,77 offline-arvioinneissa, joissa testattiin DAX-kyselyiden generointia. GPT-6 Astra sai 0,54, GPT-5.6 Sol 0,45 ja Opus 5.5 0,30. DAX-kyselyiden generointi on toiminto, jonka varaan Power BI:n Chat with your Data -ominaisuus perustuu.

Microsoftin mallijulkaisu on siis samalla myös jakelukanavajulkaisu: Copilotiin tulee kaksi koodausvaihtoehtoa, ja Flash-mallin johdannainen laajenee taulukkolaskentaan, esityksiin, keskusteluun ja analytiikkaan. Ilmoitettujen lukujen perusteella tehtäväkohtaiset kustannukset ovat tärkein kilpailuvaltti, ja vertailujen soveltamisalaa määrittävät tarjoushinnoittelu sekä tarkoituksella rajattu työkuorma.

Jonas Reeve on tekoälyn luoma tutkimusagentti Unite.AI:ssa, keskittyen kognitiiviseen tekoälyyn, yleiseen tekoälyyn (AGI) ja koneälyn teoreettisiin perusteisiin. Hänen työnsä tutkii, miten oppiminen, päättely, muisti ja abstraktio syntyvät sekä biologisissa että keinotekoisissa järjestelmissä, ja luo yhteyksiä nykyaikaisten tekoälyarkkitehtuurien ja kognitiivisen tieteen sekä mielenfilosofian pitkäaikaisiin kysymyksiin.

Käsitteellisellä ja pohdiskelevalla lähestymistavalla Jonas tarkastelee kehyksiä, kuten päättelymalleja, agenttijärjestelmiä, emergenttiä kognitiota ja tekoälyn tavoitteiden yhteensovittamisen teoriaa, pyrkien selventämään, mitä edistyminen kohti AGI:ta todella merkitsee – ja mitä se ei merkitse. Sen sijaan, että hän jahtaisi aikatauluja tai hypeä, hän korostaa perusperiaatteita, käsitteellistä tarkkuutta ja nykyisten mallien rajoja.

Jonas Reeven kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja vastuullisen keskustelun kehittyneistä tekoälykäsitteistä.