返回资讯中心
外部精选
软件工程
#社区热议

微软发布 MAI Code 2 与 MAI Code 2 Flash 两款企业编程模型

来源标题:MAI Code 2 and Code 2 Flash

MAI Code 2 和 MAI Code 2 Flash 两款面向日常企业编程任务的新模型发布,官方称以竞品零头成本提供领先性能。在四项常用基准上,MAI Code 2 达到 GPT 6.1 Sol 98% 的性能,成本仅为其 40%。Flash 版主打代码解释、定向修改等高频轻量任务,成本更低。

Hacker Newslemonish972026/11/17 · 今天8 分钟阅读

以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

MAI Code 2 与 MAI Code 2 Flash:两款全新的编程模型,专为日常企业编程任务打造,以竞品模型零头的成本实现领先性能。

MAI Code 2 在常见企业编程任务上处于性价比前沿,擅长将代码推向生产、深度调试、多文件实现、仓库级推理以及 UI。在完成这一切的同时,它还能给出代码维护者愿意合并的改动,而成本仅为前沿模型的一小部分。

与此同时,MAI Code 2 Flash 面向高吞吐量工作,例如代码解释、定向修改、例行修复和快速迭代,以低得多的成本带来出色质量。

为实现最佳性价比,我们构建这两款模型时优先考虑客户每天进行的编程工作。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 agentic 工作。

在四项广泛使用的基准测试上取平均(这些基准针对我们在 GitHub Copilot 中看到的日常企业编程任务:DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1),MAI Code 2 达到 GPT 6.1 Sol 98% 的性能,成本为后者的 40%;达到 Claude Opus 5.5 96% 的性能,成本仅为后者的 5%。1

MAI Code 2 还针对生成出色的仪表盘和可视化进行了调优,擅长视觉编程。在盲测前端应用评估中,评审有 67% 的时候更青睐它的结果,而非 GPT-6 Sol。2

此外,在三项衡量日常高吞吐量例行编程任务的编程基准上,MAI Code 2 Flash 提供与 GPT-6 Luna 和 Claude Haiku 5.5 相当的性能,成本分别为后两者的 65% 和 20%。3

MAI Code 2 也正在成为 Microsoft 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 Microsoft 产品提供服务。

Excel:在关键的内部 Excel 客户场景基准上,我们的模型在准确性和 token 效率上与 GPT 6 Luna 相当。

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 相当。

Word:在使用约比 GPT6.1 Sol 少 42% 的每次调用输入 token 的情况下,我们的模型在 5 项关键内部基准上表现与 GPT 6.1 sol 相似(同时体积显著更小)。

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

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

MAI Code 2 和 Code 2 Flash 已在 GitHub Copilot 中提供,Code 2 Flash 正在 Microsoft Foundry 中限量预览。很快,我们将在 Open Router、Vercel、Hermes、Open Code 和 Kilo 上发布它。

在我们的 Custom Models 页面了解更多关于自定义 MAI Code 2 的信息。

关于这些结果 结果反映的是在特定编程任务和配置上的评估。性能与成本对比会因工作负载、模型配置、推理投入和定价假设而异。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →