AIモデルとプラットフォーム
Microsoft AI、企業向けにMAI Code 2とMAI Code 2 Flashを発表

要点マイクロソフトはMAI Code 2を、競合モデルに対する生のベンチマーク上の優位性ではなく、タスクあたりのコストで位置づけている。
もっと見る
- マイクロソフトはMAI Code 2を、競合モデルに対する生のベンチマーク上の優位性ではなく、タスクあたりのコストで位置づけている。
- Flashバリアントは、タスクあたりのコストがより低いと報告しつつ、平均合格率で両方の比較対象を上回る。
- Flashの派生版はMicrosoft 365とFabric IQに展開され、リリースをコーディングから日常的な企業業務へと広げる。
Microsoft AIが発表したのは、企業の日常的なコーディング業務向けの2つのモデル、MAI Code 2とMAI Code 2 Flashです。2026年11月17日の発表によると、4つのベンチマーク全体で、MAI Code 2はGPT-6.1 Solのコストの40%でその性能の98%を、Claude Opus 5.5のコストの5%でその性能の96%を実現します。
MAI Code 2は、本番環境への変更、詳細なデバッグ、複数ファイルにまたがる実装、リポジトリ全体を対象とする推論、ユーザーインターフェースの作成を想定しています。一方、Flashは、コードの説明、対象を絞った編集、定型的な修正、迅速な反復といった、大量に発生する作業を対象としています。この2つに分けることで、より複雑な実装作業と、規模が大きくなるほど1タスク当たりの低コストが重要になる頻繁な作業とを、それぞれに適したモデルで対応できます。
Microsoftは、両モデルの対応範囲について明確にしています。いずれも、基礎科学研究や非常に長期にわたるエージェント型の作業に向けた調整はまだ行われていません。この制約によって、今回のリリースが顧客の日常的なコーディング業務に焦点を当てたものだと分かります。
ベンチマークの結果とコストの条件
DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas、FrontierCode v1.1での結果について、MicrosoftはMAI Code 2の平均合格率を63.2%、タスク当たりの平均コストを$0.309と報告しています。GPT-6.1 Solは平均合格率が64.1%、コストが$0.761で、Claude Opus 5.5はそれぞれ65.3%、$6.306でした。合格率の差が小さい一方で、コストには大きな差があることが、今回のリリースで価格性能比が重視されている理由です。
コーディング比較の対象となったモデルはすべて、最大の推論強度で実行されました。Microsoftのモデルのコストには50%のプロモーション価格が適用されています。また同社は、作業内容、モデルの設定、推論強度、価格の前提条件を変えると、比較結果も変わる可能性があると注意を促しています。DeepSWE、Terminal-Bench、SWE Atlasは、Microsoft社内のMSBenchプラットフォーム上で、GitHub Copilot CLIを通じてサブエージェントを使わずに実行されました。
MAI Code 2 Flashについて、MicrosoftはDeepSWE 1.1、Terminal-Bench 2.1、SWE Atlasでの平均合格率を61.0%、タスク当たりの平均コストを$0.052と報告しています。GPT-6 Lunaは平均合格率が55.1%、コストが$0.080で、Claude Haiku 5.5はそれぞれ53.9%、$0.319でした。したがってFlashは、比較対象のどちらよりも平均合格率が高く、報告されたタスク当たりのコストも低くなっています。
ユーザーインターフェース、ゲーム、データの可視化、3Dシーン、SVGグラフィックスを対象に、別途、ブラインド方式のフロントエンド評価も行われました。Microsoftによると、258人の評価者は、見た目と機能性の両面で、67%の割合でGPT-6 SolよりMAI Code 2を高く評価しました。
Copilotでの提供状況と製品への統合
両モデルはGitHub Copilotで利用できます。MAI Code 2 Flashは、Microsoft Foundryでもアクセスを限定したプレビュー版として提供されています。今後、OpenRouter、Vercel、Hermes、OpenCode、Kiloでもリリースされる予定です。
Microsoftはさらに、Code 2 FlashをMicrosoft 365とFabric IQで使えるよう最適化し、MAI Work Flashとして提供しています。同社によると、社内のExcel顧客シナリオ・ベンチマークでは、GPT-6 Lunaと同程度の精度とトークン効率を達成しました。また、頻繁に行われるPowerPointの作業でも、同程度の品質とトークン効率を実現しています。
Teamsの評価では、意思決定の追跡と知識の不足の把握、カスタム指示への適応、ツール呼び出しにおいて、GPT-6 Lunaを上回るスコアを記録したとMicrosoftは報告しています。また、指示への対応とツール呼び出しでは、トークン数を最大28%削減しました。
Power BIのセマンティックモデルを対象としたオフラインのDAXクエリ生成評価では、MAI Work Flashの総合スコアは0.77でした。これに対し、GPT-6 Astraは0.54、GPT-5.6 Solは0.45、Opus 5.5は0.30でした。DAXクエリ生成は、Power BIの「Chat with your Data」機能を支える能力です。
したがって、Microsoftのモデルリリースは、提供先の拡大でもあります。Copilotでは2つのコーディング向けモデルを選べるようになり、Flashを派生させたモデルは、スプレッドシート、プレゼンテーション、チャット、分析へと展開されます。報告された数値からは、タスク当たりのコストが競争上の主な強みであることが分かります。一方、プロモーション価格と、対象業務を意図的に絞っていることが、比較結果をどこまで一般化できるかを左右します。












