返回资讯中心
外部精选
ai-models
#企业 AI 评测#Artificial Intelligence

微软发布MAI Code 2编程模型,称以5%成本达到Claude Opus 5.5的96%性能

来源标题:Microsoft says its new AI coding model rivals Claude Opus 5.5 at 5% of the cost

微软在Ignite 2026上发布MAI Code 2和Code 2 Flash两款编程模型。微软称MAI Code 2达到Claude Opus 5.5的96%性能,价格仅为后者的5%;Code 2 Flash则对标GPT-6 Luna和Claude Haiku 5.5,成本也更低。

ZDNet AIDavid Gewirtz2026/11/17 · 今天16 分钟阅读

以下正文由 AI 翻译自 ZDNet AI(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。

微软在 Ignite 2026 上发布了两款新 AI 模型,宣称能以低得多的成本实现令人印象深刻的性能。这可能会永久改变其与 OpenAI 和 Anthropic 的关系。 阅读完整简介 2026 年 11 月 17 日,美国东部时间下午 5:42 ZDNET 的核心要点 微软在 Ignite 2026 上发布了三款新 AI 模型。 它声称以 5% 的成本实现了 Claude Opus 96% 的性能。 更便宜的模型可能为微软节省数亿美元。 在今天的 Microsoft Ignite 2026 主题演讲中,该公司推出了两款全新的前沿 AI 模型,专为该公司所称的“日常”编码任务而打造。但更大的看点在于:这些模型对微软的 AI 成本以及其对 OpenAI 的依赖意味着什么。 微软声称,其 MAI Code 2 模型展现出了 Claude Opus 5.5 性能的 96%,而价格仅为 Opus 5.5 的 5%。 微软表示,MAI Code 2 提供的性能可与 GPT-6.1 Sol 或 Opus 5.5 相媲美,而成本仅为其零头。微软的 Code 2 Flash 模型则能与较低端的 GPT-6 Luna 和 Claude Haiku 5.5 比肩,成本同样大幅降低。 这并不意味着我们这些每月支付 100 美元订阅费的用户会突然只花五美元就得到同等服务。相反,这些是基于 API 使用量的指标。 另见:Anthropic 的新 Claude Sheets 胜过使用 Google Sheets 连接器的 4 种方式 同样重要的是要明白,这些基准测试结果全部由微软提供。一旦这些模型接受独立性能测试,性能数据很可能会有所不同。 在萨提亚·纳德拉的整个主题演讲中,微软展示的幻灯片提及了广泛的基础模型,这些模型旨在与 Copilot 及其他微软产品协同工作。微软对 OpenAI 的投资始于 2023 年,金额高达数十亿美元,这一点广为人知,而且它的许多产品和服务都是围绕 OpenAI 的知识产权构建的。 但现在,雷德蒙德正在将其内部构建的模型与 Anthropic 和 OpenAI 的产品进行基准对比,并同时宣称将这些新模型作为可选方案集成到 GitHub Copilot、Microsoft 365 和 Fabric 中。 另见:我调查的开发者中有 75% 相比 Codex 更喜欢 Claude Code 纳德拉在今天的主题演讲中明确表达的一点是,AI 在微软所做的一切事情中正变得多么核心。此前,几乎所有这些 AI 操作都涉及公司向前沿模型提供商支付一定的 token 费用,或者客户做同样的事情。 但凭借自己的高性能模型,微软对外部模型提供商的依赖可能会大幅降低,尤其是对于该公司庞大产品线中出现的海量相当基础和常规的 AI 请求而言。 如果你回想一下 ChatGPT Work 和 Claude Cowork 这类代理工作模型的历史,你可能会记得它们最初是作为代理编码工具出现的。随着用户将 Claude Code 和 OpenAI Codex 中的编码框架采用到非标签规定的生产力应用中,AI 公司注意到了这一点,并打包了更以工作为中心、对非程序员更友好的代理工具。 另见:我让 ChatGPT Work 和 Claude Cowork 处理我的文件——只有一个让我感到紧张 编码代理和工作代理之间有很多相似之处,包括理解复杂环境、使用工具进行更改以及产生可靠的结果。事实证明,编码是开发和测试这些能力的一个非常好的环境,特别是因为代码输出是高度可衡量的。编码代理是非编码工作代理的有效训练场。 这在今天的公告中变得非常有趣。除了 Code 2 和 Code 2 Flash,微软还宣布了 MAI Work Flash,并称其源自 Code 2 Flash。Work Flash 可以帮助在 Excel 中生成公式、处理 Word 中的文档和指令、跟踪决策并从 Teams 中提取有用信息等等。 想想这些任务对 AI 模型的智能水平要求有多高。其实并不算高。只要模型足够好,它们就够用了。 如果微软能够降低开支并以低得多的价格使用可靠的模型,那么公司本身将能够在其整个软件经济中节省相当多的资金,同时保持更深层次的垂直整合,从而获得控制权。 让我们来做个假设性的计算。假设一家公司每次 AI 请求花费 0.01 美元,而有了这些新模型,每次请求的成本可以降至 0.001 美元。 另见:想试试 ChatGPT Wallet?先仔细阅读 OpenAI 的责任免责声明 一家每日推理成本为一百万美元的公司(例如微软这样的公司)可以将每日成本降至约 10 万美元。把一整年的加起来,更换模型每年可以节省 3.25 亿美元。 这里一百万,那里一百万。很快,你谈论的就是真金白银了。 没有直接证据表明微软正试图为前沿提供商的产品生产替代模型。但如果我们看待微软为其销售的软件开发的自家引擎,这是一个有趣且引人入胜的故事。 微软表示,它报告的数据使用了 50% 的 introductory 折扣。这就是为什么我在上面以每次请求 0.001 美元而不是 0.0005 美元来衡量。 基准选择可能存在 cherry-picking。这些数字令人印象深刻。但众所周知,谎言、该死的谎言和基准测试结果。我相当确定微软没有过分夸大这些数字,因为它从新模型中获益的程度甚至超过其自身客户,但尽管如此。这仍是一个悬而未决的问题。 该公司还明确表示,这些新模型并非设计用于处理最具挑战性的代理和研究工作负载。你可能不会用它们来解决一个几十年历史的数学难题。但你很可能会用它们来重新格式化你的 PowerPoint。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

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 →