ASCII-art curly braces over an abstract background 返回新闻 分享

分享这篇文章

文章链接

MAI Code 2 与 MAI Code 2 Flash:两款全新编码模型,专为日常企业编码任务打造,以竞品模型成本的一小部分实现领先性能。

日常编码的性能与速度

MAI Code 2 在常见企业编码任务的性价比方面处于前沿,并擅长将代码投入生产、深度调试、多文件实现、仓库级推理和 UI。它在完成所有这些工作的同时,还能交付代码维护者愿意合并的更改,而成本仅为前沿模型的一小部分。

与此同时,MAI Code 2 Flash 专为高吞吐量工作而设计,例如代码解释、定向编辑、常规修复和快速迭代,同时以低得多的成本带来质量。

以不到一半的价格实现生产级质量

为实现最佳性价比,我们构建这些模型时优先考虑客户每天进行的编码工作。它们明确尚未针对更困难的问题进行调优,例如基础科学研究和超长周期智能体工作。

在以 GitHub Copilot 中常见的日常企业编码任务为目标的四项广泛使用的基准(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1)上取平均值,MAI Code 2 可为你带来 98% GPT 6.1 Sol 的性能,成本为 40% ,以及 96% Claude Opus 5.5 性能的 96%,成本仅为 5%。 5% 的成本。1

MAI Code 2 还针对生成出色的仪表板和可视化进行了调优,并擅长可视化编码。在盲测前端应用评估中,评审者在 67% 的情况下更青睐其结果,而非 GPT-6 Sol。2

此外,MAI Code 2 Flash 在衡量日常、高容量常规编码任务的三项编码基准上,以 GPT-6 Luna 和 Claude Haiku 5.5 的 65% 和 20% 成本,提供了与二者相当的性能。3

超越编码

MAI Code 2 也正在成为微软产品背后的主力。基于 Code 2 Flash,我们进一步优化出单一模型 MAI Work Flash,为 M365 和 Fabric IQ 中的多个微软产品提供服务。

Excel: 在关键的内部 Excel 客户场景基准测试中,我们的模型在准确性和 token 效率上与 GPT 6 Luna 不相上下。

PowerPoint: 在衡量高频 PowerPoint 任务的关键生产基准场景中,我们的模型在质量和 token 效率上均与 GPT 6 Luna 表现相当。

Word: 在 5 项关键内部基准测试中,我们的模型表现与 GPT 6.1 sol 相近(同时规模显著更小),在生产环境中每次调用使用的输入 token 比 GPT6.1 Sol 少约 42%。

Teams: 在跟踪决策、填补知识空白和适配自定义指令方面,我们的模型优于 GPT 6 Luna,在指令遵循和工具调用上使用的 token 最多减少 28%。

FabricIQ: 在离线评估运行中,我们的 MAI 模型在 DAX 查询生成方面优于 GPT-5.6-sol、GPT-6-astra 和 Opus-5.5,而 DAX 查询生成是 Power BI 语义模型“Chat with your Data”背后的核心能力。

开始使用

MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 中提供,Code 2 Flash 正在 Microsoft Foundry中进行限量访问预览。很快,我们将把它发布到 Open Router、Vercel、Hermes、Open Code 和 Kilo 上。

在我们的 自定义模型页面

关于这些结果
结果反映的是在特定编码任务和配置下的评估。性能与成本对比会因工作负载、模型配置、推理强度及定价假设而异。

  1. MAI Code 2 性能与价格: 所有模型均在最大推理强度下运行。DeepSWE 1.1、TerminalBench 2.1 和 SWE Atlas 在 MSBench(微软内部评估平台)上使用 GitHub Copilot CLI 运行,未使用子代理。FrontierCode 1.1 的分数和成本来自 Artificial Analysis;MAI-Code-2 的成本按 50% 促销价显示。
  2. 视觉编码: 由人工对 MAI Code 2 和 GPT-6 Sol 在用户界面、游戏、数据可视化、3D 场景和 SVG 图形方面进行盲测并排评估。偏好涵盖美学和功能性,共由 258 名标注员标注。
  3. MAI Code 2 Flash 性能与价格: 所有模型均在最大推理强度下运行。DeepSWE 1.1、TerminalBench 2.1 和 SWE Atlas 在 MSBench 上使用 GitHub Copilot CLI 运行,未使用子代理。MAI-Code-2-Flash 的成本按 50% 促销价显示。