โมเดลและแพลตฟอร์ม AI

Microsoft AI เปิดตัว MAI Code 2 และ MAI Code 2 Flash สำหรับองค์กร

Jonas Reeve
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญMicrosoft วางตำแหน่ง MAI Code 2…
ดูเพิ่มเติม
  • Microsoft วางตำแหน่ง MAI Code 2 โดยเน้นต้นทุนต่องานมากกว่าความเหนือกว่าด้านคะแนนมาตรฐานเมื่อเทียบกับโมเดลคู่แข่ง
  • รุ่น Flash มีอัตราการผ่านเฉลี่ยดีกว่าคู่เปรียบเทียบทั้งสองราย พร้อมรายงานต้นทุนต่องานที่ต่ำกว่า
  • อนุพันธ์ของ Flash ถูกนำไปใช้ใน Microsoft 365 และ Fabric IQ ซึ่งขยายการเปิดตัวจากงานเขียนโค้ดไปสู่งานองค์กรในชีวิตประจำวัน

Microsoft AI ประกาศเปิดตัวโมเดลสองรุ่นสำหรับงานเขียนโค้ดในชีวิตประจำวันขององค์กร ได้แก่ MAI Code 2 และ MAI Code 2 Flash เมื่อวันที่ 17 พฤศจิกายน 2026 โดยระบุว่า MAI Code 2 ทำได้ 98% ของประสิทธิภาพ GPT-6.1 Sol ด้วยต้นทุน 40% ของรุ่นดังกล่าว และทำได้ 96% ของประสิทธิภาพClaude Opus 5.5ด้วยต้นทุน 5% ของรุ่นดังกล่าว เมื่อวัดจากเกณฑ์ทดสอบ 4 รายการ

MAI Code 2 มุ่งเน้นงานแก้ไขโค้ดสำหรับใช้งานจริง การดีบักเชิงลึก การพัฒนาที่ต้องแก้ไขไฟล์หลายไฟล์ การให้เหตุผลทั่วทั้งคลังโค้ด และส่วนติดต่อผู้ใช้ ส่วนรุ่น Flash มุ่งรองรับงานปริมาณมาก เช่น การอธิบายโค้ด การแก้ไขเฉพาะจุด การแก้ปัญหาทั่วไปตามปกติ และการปรับแก้ซ้ำอย่างรวดเร็ว การแบ่งรุ่นเช่นนี้ช่วยแยกงานพัฒนาเชิงลึกออกจากงานที่ทำบ่อย ซึ่งต้นทุนต่อครั้งที่ต่ำลงมีความสำคัญเมื่อใช้งานในวงกว้าง

Microsoft ระบุขอบเขตไว้อย่างชัดเจนว่า ยังไม่มีการปรับแต่งโมเดลทั้งสองรุ่นให้เหมาะกับการวิจัยวิทยาศาสตร์ขั้นพื้นฐานหรืองานแบบเอเจนต์ที่ต้องดำเนินไปเป็นเวลานาน ข้อจำกัดนี้กำหนดขอบเขตของการเปิดตัวให้มุ่งเน้นงานเขียนโค้ดที่ลูกค้าทำเป็นประจำทุกวัน

ผลการทดสอบประสิทธิภาพและเงื่อนไขด้านต้นทุน

จากการทดสอบ DeepSWE 1.1, Terminal-Bench 2.1, SWE Atlas และ FrontierCode v1.1 Microsoft รายงานว่า MAI Code 2 มีอัตราผ่านเฉลี่ย 63.2% และมีต้นทุนเฉลี่ย $0.309 ต่องาน GPT-6.1 Solทำอัตราผ่านเฉลี่ยได้ 64.1% ที่ราคา $0.761 ขณะที่ Claude Opus 5.5 ทำได้ 65.3% ที่ราคา $6.306 ช่องว่างของอัตราผ่านที่ไม่มากนัก แต่ความแตกต่างด้านต้นทุนที่สูงกว่ามาก เป็นเหตุผลที่การเปิดตัวครั้งนี้วางตำแหน่งผลิตภัณฑ์โดยเน้นความคุ้มค่าด้านราคาและประสิทธิภาพ

โมเดลทุกตัวในการเปรียบเทียบด้านการเขียนโค้ดทำงานด้วยระดับความพยายามในการให้เหตุผลสูงสุด ตัวเลขต้นทุนของโมเดล Microsoft คำนวณจากราคาโปรโมชันที่ลด 50% และบริษัทเตือนว่าการเปลี่ยนภาระงาน การกำหนดค่าโมเดล ระดับความพยายามในการให้เหตุผล หรือสมมติฐานด้านราคา อาจทำให้ผลการเปรียบเทียบเปลี่ยนไป การทดสอบ DeepSWE, Terminal-Bench และ SWE Atlas ทำงานบนแพลตฟอร์ม MSBench ภายในของ Microsoft ผ่าน GitHub Copilot CLI โดยไม่มีเอเจนต์ย่อย

สำหรับ MAI Code 2 Flash Microsoft รายงานอัตราผ่านเฉลี่ย 61.0% และต้นทุนเฉลี่ย $0.052 ต่องาน จากการทดสอบ DeepSWE 1.1, Terminal-Bench 2.1 และ SWE Atlas GPT-6 Lunaทำอัตราผ่านเฉลี่ยได้ 55.1% ที่ราคา $0.080 ส่วน Claude Haiku 5.5 ทำได้ 53.9% ที่ราคา $0.319 ดังนั้น Flash จึงมีอัตราผ่านเฉลี่ยสูงกว่าและต้นทุนต่องานที่รายงานต่ำกว่าทั้งสองรุ่นที่นำมาเปรียบเทียบ

การประเมินส่วนติดต่อผู้ใช้ เกม การแสดงภาพข้อมูล ฉากสามมิติ และกราฟิก SVG แบบปกปิดชื่อโมเดล ซึ่งดำเนินการแยกต่างหาก พบว่า Microsoft รายงานว่า ผู้ประเมิน 258 คนเลือก MAI Code 2 มากกว่า GPT-6 Sol ในด้านความสวยงามและการทำงาน 67% ของเวลา

การใช้งานผ่าน Copilot และการผสานรวมผลิตภัณฑ์

โมเดลทั้งสองรุ่นใช้งานได้ใน GitHub Copilot นอกจากนี้ MAI Code 2 Flash ยังเปิดให้ทดลองใช้แบบจำกัดสิทธิ์ใน Microsoft Foundry โดยมีแผนเปิดตัวบน OpenRouter, Vercel, Hermes, OpenCode และ Kilo

Microsoft ยังปรับแต่ง Code 2 Flash เพิ่มเติมเป็น MAI Work Flash เพื่อใช้งานกับ Microsoft 365 และ Fabric IQ บริษัทระบุว่า ในการทดสอบสถานการณ์ลูกค้าบน Excel ภายในองค์กร ความแม่นยำและประสิทธิภาพการใช้โทเค็นใกล้เคียงกับ GPT-6 Luna และมีคุณภาพกับประสิทธิภาพการใช้โทเค็นใกล้เคียงกันในงาน PowerPoint ที่ทำบ่อย

จากการประเมินใน Teams Microsoft รายงานว่า MAI Work Flash ได้คะแนนสูงกว่า GPT-6 Luna ในด้านการติดตามการตัดสินใจและช่องว่างทางความรู้ การปรับใช้คำสั่งที่กำหนดเอง และการเรียกใช้เครื่องมือ ทั้งยังใช้โทเค็นน้อยลงสูงสุด 28% ในการทำตามคำสั่งและการเรียกใช้เครื่องมือ

สำหรับโมเดลเชิงความหมายของ Power BI Microsoft รายงานว่า MAI Work Flash ได้คะแนนรวม 0.77 ในการประเมินแบบออฟไลน์สำหรับการสร้างคิวรี DAX เทียบกับ 0.54 ของGPT-6 Astra, 0.45 ของ GPT-5.6 Sol และ 0.30 ของ Opus 5.5 การสร้างคิวรี DAX เป็นความสามารถที่อยู่เบื้องหลังฟีเจอร์ Chat with your Data ของ Power BI

ดังนั้น การเปิดตัวโมเดลของ Microsoft จึงเป็นการขยายช่องทางการใช้งานด้วย โดย Copilot มีตัวเลือกสำหรับเขียนโค้ดเพิ่มขึ้นสองรุ่น ขณะที่รุ่นต่อยอดจาก Flash ถูกนำไปใช้กับสเปรดชีต งานนำเสนอ แชต และการวิเคราะห์ข้อมูล ตัวเลขที่รายงานชี้ว่าต้นทุนต่องานเป็นปัจจัยหลักในการแข่งขัน โดยราคาโปรโมชันและการจำกัดขอบเขตภาระงานไว้อย่างเจาะจงเป็นตัวกำหนดว่าการเปรียบเทียบนี้ครอบคลุมได้มากน้อยเพียงใด

Jonas Reeve เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, มุ่งเน้นที่ AI ด้านการรู้คิด, ปัญญาประดิษฐ์ทั่วไป (AGI), และพื้นฐานเชิงทฤษฎีของปัญญาเครื่องจักร งานของเขาศึกษาว่าการเรียนรู้, การให้เหตุผล, ความจำ, และการสรุปเชิงนามธรรมเกิดขึ้นอย่างไรในระบบชีวภาพและระบบเทียม, เชื่อมโยงสถาปัตยกรรม AI สมัยใหม่กับคำถามที่ยาวนานในวิทยาศาสตร์การรับรู้และปรัชญาจิตใจ.

ด้วยแนวทางเชิงแนวคิดและการสะท้อน, Jonas ตรวจสอบกรอบแนวคิดต่าง ๆ เช่น โมเดลการให้เหตุผล, ระบบตัวแทน, การรับรู้ที่เกิดขึ้น, และทฤษฎีการปรับแนว, โดยมุ่งหมายชี้แจงว่าความก้าวหน้าไปสู่ AGI มีความหมายอย่างไร—และไม่หมายความว่าอย่างไร. แทนที่จะไล่ตามไทม์ไลน์หรือการโฆษณาเกินจริง, เขาให้ความสำคัญกับหลักการพื้นฐาน, ความเข้มงวดเชิงแนวคิด, และขีดจำกัดของโมเดลปัจจุบัน.

บทความที่เขียนโดย Jonas Reeve ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำ, ความชัดเจน, และการอภิปรายอย่างรับผิดชอบเกี่ยวกับแนวคิด AI ขั้นสูง.