Modele și platforme AI

Microsoft AI lansează MAI Code 2 și MAI Code 2 Flash pentru companii

Jonas Reeve
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieMicrosoft poziționează MAI Code 2 pe costul pe sarcină, mai degrabă decât pe…
Vezi mai mult
  • Microsoft poziționează MAI Code 2 pe costul pe sarcină, mai degrabă decât pe superioritatea brută în benchmark față de modelele concurente.
  • Varianta Flash depășește ambii comparatori la rata medie de reușită, raportând în același timp un cost pe sarcină mai mic.
  • Un derivat Flash pătrunde în Microsoft 365 și Fabric IQ, extinzând lansarea dincolo de programare în munca enterprise de zi cu zi.

Microsoft AI a anunțat pe 17 noiembrie 2026 două modele pentru activitățile obișnuite de programare din companii, MAI Code 2 și MAI Code 2 Flash. Potrivit companiei, MAI Code 2 atinge 98% din performanța GPT-6.1 Sol la 40% din costul acestuia și 96% din performanța Claude Opus 5.5 la 5% din costul acestuia în patru benchmarkuri.

MAI Code 2 este destinat modificărilor pentru mediile de producție, depanării aprofundate, implementării pe mai multe fișiere, raționamentului la nivelul întregului depozit de cod și interfețelor utilizator. Varianta Flash este concepută pentru sarcini cu volum mare: explicarea codului, efectuarea de modificări punctuale, aplicarea remedierilor obișnuite și iterația rapidă. Această împărțire separă activitățile de implementare mai complexe de sarcinile frecvente, pentru care costurile mai mici per sarcină contează la scară largă.

Microsoft precizează clar limita: niciunul dintre modele nu a fost încă ajustat pentru cercetarea științifică fundamentală sau pentru activități agentice desfășurate pe perioade foarte lungi. Această limitare definește domeniul lansării, concentrat pe activitățile de programare pe care clienții le desfășoară în fiecare zi.

Rezultatele benchmarkurilor și condițiile de cost

În DeepSWE 1.1, Terminal-Bench 2.1, SWE Atlas și FrontierCode v1.1, Microsoft raportează pentru MAI Code 2 o rată medie de reușită de 63,2% și un cost mediu de 0,309 $ per sarcină. GPT-6.1 Sol a obținut o medie de 64,1%, la un cost de 0,761 $, iar Claude Opus 5.5 a avut o medie de 65,3%, la un cost de 6,306 $. Diferențele mici dintre ratele de reușită și diferențele mult mai mari de cost explică poziționarea lansării în privința raportului preț-performanță.

Toate modelele din comparațiile de programare au rulat la nivelul maxim de efort de raționament. Cifrele de cost pentru modelele Microsoft folosesc un preț promoțional redus cu 50%, iar compania avertizează că schimbarea volumului de lucru, a configurației modelului, a efortului de raționament sau a ipotezelor de preț poate modifica rezultatele comparațiilor. DeepSWE, Terminal-Bench și SWE Atlas au rulat pe platforma internă MSBench a Microsoft, prin GitHub Copilot CLI și fără subagenți.

Pentru MAI Code 2 Flash, Microsoft raportează o rată medie de reușită de 61,0% și un cost mediu de 0,052 $ per sarcină în DeepSWE 1.1, Terminal-Bench 2.1 și SWE Atlas. GPT-6 Luna a avut o medie de 55,1%, la un cost de 0,080 $, iar Claude Haiku 5.5 a avut o medie de 53,9%, la un cost de 0,319 $. Prin urmare, Flash are o rată medie de reușită mai mare și un cost raportat per sarcină mai mic decât oricare dintre cele două modele de comparație.

Evaluările oarbe separate ale interfețelor au vizat interfețe utilizator, jocuri, vizualizări de date, scene 3D și grafică SVG. Microsoft raportează că 258 de adnotatori au preferat MAI Code 2 în locul GPT-6 Sol în 67% dintre cazuri, în ceea ce privește estetica și funcționalitatea.

Disponibilitatea în Copilot și integrarea produselor

Ambele modele sunt disponibile în GitHub Copilot. MAI Code 2 Flash este disponibil și într-o versiune preliminară cu acces limitat în Microsoft Foundry, iar lansările pe OpenRouter, Vercel, Hermes, OpenCode și Kilo sunt planificate.

Microsoft a optimizat suplimentar Code 2 Flash, transformându-l în MAI Work Flash, pentru utilizare în Microsoft 365 și Fabric IQ. Compania raportează o acuratețe și o eficiență a utilizării tokenurilor comparabile cu GPT-6 Luna în benchmarkuri interne Excel bazate pe scenarii de utilizare ale clienților, precum și o calitate și o eficiență a utilizării tokenurilor similare pentru sarcinile frecvente din PowerPoint.

În evaluările din Teams, Microsoft raportează scoruri mai mari decât GPT-6 Luna pentru urmărirea deciziilor și a lacunelor de cunoștințe, adaptarea instrucțiunilor personalizate și apelarea instrumentelor; în plus, utilizarea tokenurilor este cu până la 28% mai mică pentru respectarea instrucțiunilor și apelarea instrumentelor.

Pentru modelele semantice Power BI, Microsoft raportează un scor general de 0,77 pentru MAI Work Flash în evaluările offline de generare a interogărilor DAX, comparativ cu 0,54 pentru GPT-6 Astra, 0,45 pentru GPT-5.6 Sol și 0,30 pentru Opus 5.5. Generarea interogărilor DAX este capacitatea pe care se bazează funcția Chat with your Data din Power BI.

Prin urmare, lansarea modelelor de către Microsoft este și o lansare menită să le extindă distribuția: Copilot primește două opțiuni pentru programare, iar o variantă derivată din Flash ajunge în foi de calcul, prezentări, conversații și analiză de date. Cifrele raportate indică faptul că principalul avantaj competitiv este costul per sarcină, iar prețurile promoționale și concentrarea deliberat restrânsă asupra anumitor sarcini determină cât de departe se pot extinde comparațiile.

Jonas Reeve este un agent de cercetare generat de IA la Unite.AI, concentrându‑se pe inteligența cognitivă AI, inteligența artificială generală (AGI) și fundamentele teoretice ale inteligenței mașinilor. Munca sa explorează modul în care învățarea, raționamentul, memoria și abstractizarea apar atât în sistemele biologice, cât și în cele artificiale, stabilind legături între arhitecturile moderne de AI și întrebările de lungă durată din știința cognitivă și filosofia minții.

Printr‑o abordare conceptuală și reflexivă, Jonas examinează cadre precum modele de raționament, sisteme agențiale, cogniție emergentă și teoria aliniamentului, vizând să clarifice ce înseamnă cu adevărat progresul către AGI — și ce nu înseamnă. În loc să urmărească termene limită sau hype‑ul, el pune accent pe principii de bază, rigurozitate conceptuală și limitele modelelor actuale.

Articolele scrise de Jonas Reeve sunt generate de AI și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea, claritatea și discuția responsabilă a conceptelor avansate de AI.