مايكروسوفت AI تطلق MAI-Code-1-Flash لـ GitHub Copilot
يُطرح نموذج البرمجة الجديد MAI-Code-1-Flash من مايكروسوفت لمستخدمي GitHub Copilot في VS Code، مع إعلان الشركة عن معدلات نجاح أعلى واستهلاك أقل بنسبة تصل إلى 60% من الرموز مقارنة بـ Claude Haiku 4.5.
أعلنت Microsoft AI عن MAI-Code-1-Flash، وهو نموذج للبرمجة مصمم لتقديم مساعدة سريعة وفعّالة في سير عمل المطورين اليومي. ويُطرح تدريجياً لمستخدمي GitHub Copilot الأفراد في Visual Studio Code، في قائمة اختيار النماذج وفي المُنتقي التلقائي الافتراضي، دون إعداد إضافي.
تدريب على بيئة Copilot الإنتاجية
تقول مايكروسوفت إن النموذج دُرّب من الصفر على بيانات نظيفة وقابلة للتتبع وبمستوى مؤسسي، دون تقطير من نماذج طرف ثالث. استُخدمت في التدريب بيئات GitHub Copilot العاملة في الإنتاج، فيتعلم النموذج التفاعل مع الأدوات والأنظمة المحيطة في مهام البرمجة الوكيلة. وقُيّمت نقاط التحقق في مهام هندسة البرمجيات الأساسية، والإجابة عن أسئلة المستودع، وإعادة الهيكلة، ومهام قياس مبنية على استخدام حقيقي لـ Copilot.
النتائج مقابل Claude Haiku 4.5
تعلن الشركة عن معدلات نجاح أعلى في التقييمات الأربعة التي أُجريت في البيئة الإنتاجية نفسها: SWE-Bench Verified وSWE-Bench Pro وSWE-Bench Multilingual وTerminal Bench 2. وأكبر فارق في SWE-Bench Pro: 51.2% مقابل 35.2%، أي تقدم بـ16 نقطة. وفي SWE-Bench Verified يقول مايكروسوفت إن النموذج حلّ مسائل أصعب باستهلاك أقل بنسبة تصل إلى 60% من الرموز.
وفي اتباع التعليمات تقدّم بـ28.9 نقطة في اختبار IF Bench للتعليمات الدقيقة و14.5 نقطة في Advanced IF القائم على معايير التقييم. وتضيف الشركة أن النموذج يتفوق على Claude Haiku 4.5 أيضاً في الاستدلال الأساسي في الرياضيات والعلوم وبرمجة التوليد البصري.
تفكير تكيّفي وقيمة لكل رمز
دُرّب MAI-Code-1-Flash على تحكم تكيّفي بطول الحل، يضبط عمق الإجابة بحسب المهمة: إجابات موجزة للطلبات البسيطة وميزانية استدلال أكبر للمهام المعقدة. وتصف مايكروسوفت النتيجة بأنها قيمة لكل رمز: رموز أقل تعني زمن استجابة وتكلفة أقل وسير عمل تفاعلي أكثر سلاسة.
اختبارات خصومية والتوافر
بنَت الشركة أيضاً اختباراً من 186 سؤالاً في 34 فئة حول فِخاخ خصومية مثل الكلاسيكيات المعكوسة والمهام المستحيلة والسيناريوهات ناقصة التعريف. وبلغ MAI-Code-1-Flash دقة معدّلة 85.8%، بنتائج قوية في الاستدلال واتباع التعليمات والتعرف على المسائل المستحيلة، لكن الدقة بقيت دون 50% في فئات خصومية أساسية مثل فِخاخ Einstellung. النموذج متاح الآن لمستخدمي Copilot الأفراد في VS Code.
SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي
نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.