人工智能

微软发布 MAI Code 2 编程模型:官方测试成本约为 Claude Opus 5.5 的 5%

2026年11月18日 · admin
OpenMagic API

据 IT之家 11 月 18 日报道,微软在 Ignite 2026 活动中发布自研编程模型 MAI Code 2 与 MAI Code 2 Flash,并将两款模型接入 GitHub Copilot。它们分别面向复杂软件开发和高频日常编程,核心卖点是降低完成编码任务的成本。微软公布的测试显示,Code 2 以约为 Claude Opus 5.5 的 5% 的平均单次任务成本,达到后者约 96% 的性能;不过,这一结论应结合官方测试范围理解,不能直接等同于所有真实项目中的表现。

从仓库级修改到日常修补,两款模型分工不同

MAI Code 2 定位通用编程模型,覆盖深度排查错误、跨文件修改、理解整个代码仓库以及开发用户界面等工作。微软强调,它倾向于直接提供可执行的代码修改方案,减少开发者与 AI 反复沟通,让任务更快进入可部署阶段。

MAI Code 2 Flash 则瞄准频率更高、范围相对明确的需求,包括解释代码、定点修改、修正常见问题和快速迭代。两款模型均支持调用工具、分步骤推进开发任务,并不只承担代码补全或问答角色。

  • 复杂任务:Code 2 更适合需要理解项目上下文、协调多处修改的开发工作。
  • 日常任务:Code 2 Flash 侧重轻量修改和高频交互,可用于控制重复调用的开销。
  • 订阅覆盖:Code 2 面向符合条件的 Copilot Pro、Business、Enterprise 等用户;Flash 的覆盖范围还包括 Free 和 Student 用户。

价格优势来自官方任务测试,促销条件需要单独看

微软表示,在其公布的四项编程基准平均结果中,Code 2 达到 GPT-6.1 Sol 约 98% 的表现,价格约为后者的 40%。官方测试中的平均单次任务成本,Code 2 为 0.309 美元,GPT-6.1 Sol 为 0.761 美元,Claude Opus 5.5 为 6.306 美元。

Flash 的平均单次任务成本为 0.052 美元,但这一数据包含 50% 促销定价条件。按来源所述,其成本约为 GPT-6 Luna 的 65%、Claude Haiku 5.5 的 20%。在 DeepSWE 1.1、Terminal-Bench 2.1 和 SWE Atlas 三项测试中,Flash 的平均通过率为 61.0%,高于两款对比模型的 55.1% 和 53.9%。这些是特定测试中的任务成本与通过率,不宜视为固定的每次调用报价。

产业解读:编程 AI 竞争转向“交付成本”

此次发布的看点,不只是微软扩充了自研模型阵容,也在于其通过 Copilot 将不同能力档位直接放入开发工作流。对团队而言,复杂问题使用较强模型、常规修补交给轻量模型,有机会比统一调用旗舰模型更经济。

但是否真正节省预算,仍要看实际项目中的任务完成率、返工次数和人工审查投入。官方基准提供了比较线索,却不能替代团队自身验证。对于中文开发者和企业技术负责人,更值得关注的是每个被验收的代码任务需要多少总成本,而不是只比较单次任务费用。微软此次的双模型布局,体现出编程 AI 正从单纯比能力,走向能力、成本与工作流适配的综合竞争。