
微软发布 MAI Code 2 与 Code 2 Flash 编程模型,主打企业日常编码任务
来源标题:MAI Code 2 and Code 2 Flash
微软推出 MAI Code 2 和 MAI Code 2 Flash 两款编程模型,针对企业日常编码任务,以远低于竞品的成本提供领先性能。在四个企业编码基准的平均成绩上,MAI Code 2 达到 GPT 6.1 Sol 98% 的性能,成本仅为后者的 40%。Code 2 Flash 则面向代码解释、定向修改等高频任务,以更低成本提供质量。
以下正文由 AI 翻译自 Hacker News 最新(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,以竞品零头的成本提供领先性能。
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,它还能产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 专为高吞吐量工作设计,例如代码解释、定向编辑、例行修复和快速迭代,以低得多的成本带来质量。
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实际从事的编程工作。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、面向我们在 GitHub Copilot 中所见日常企业编程任务的基准测试(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1)上取平均值,MAI Code 2 达到了 GPT 6.1 Sol 98% 的性能,成本仅为 40%;达到 Claude Opus 5.5 96% 的性能,成本仅为 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,评审者在 67% 的情况下更青睐它的结果,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基准测试中,MAI Code 2 Flash 提供了与 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 也正成为微软产品背后的主力。我们在 Code 2 Flash 的基础上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 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 持平。
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),生产环境中每次调用的输入 token 比 GPT6.1 Sol 少约 42%。
Teams:我们的模型在跟踪决策、填补知识空白和适配自定义指令方面优于 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。不久后,我们将在 Open Router、Vercel、Hermes、Open Code 和 Kilo 上发布。
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。