Microsoft AI-ն ներկայացրել է MAI-Code-1-Flash-ը GitHub Copilot-ի համար

Microsoft AI-ը ներկայացրել է MAI-Code-1-Flash-ը՝ կոդավորման մոդել, որը նախատեսված է մշակողների ամենօրյա աշխատանքում արագ ու արդյունավետ օգնության համար։ Այն աստիճանաբար հասանելի է դառնում Visual Studio Code-ում GitHub Copilot-ի անհատ օգտատերերին՝ մոդելների ընտրացանկում և լռելյայն Auto ընտրիչում, առանց լրացուցիչ կարգավորման։

Մարզված Copilot-ի արտադրական միջավայրում

Ընկերության խոսքով՝ մոդելը զրոյից մարզվել է մաքուր, հետագծելի և կորպորատիվ մակարդակի տվյալների վրա՝ առանց երրորդ կողմի մոդելներից դիստիլյացիայի։ Մարզմանը օգտագործվել են արտադրության մեջ աշխատող GitHub Copilot-ի միջավայրերը, ուստի մոդելը սովորում է փոխազդել գործիքների ու համակարգերի հետ ագենտային կոդավորման խնդիրներում։ Ստուգիչ կետերը գնահատվել են ծրագրային ինժեներիայի հիմնական խնդիրներում, ռեպոզիտորիայի հարցուպատասխանում, ռեֆակտորինգում և իրական Copilot-ի օգտագործումից վերցված հեռաչափական խնդիրներում։

Արդյունքները Claude Haiku 4.5-ի դեմ

Ընկերությունը հայտնում է ավելի բարձր հաջողության ցուցանիշ բոլոր չորս գնահատումներում, որոնք անցկացվել են նույն արտադրական միջավայրում՝ SWE-Bench Verified, SWE-Bench Pro, SWE-Bench Multilingual և Terminal Bench 2։ Ամենամեծ տարբերությունը SWE-Bench Pro-ում է՝ 51.2%՝ 35.2%-ի դեմ, այսինքն 16 կետ առավելություն։ SWE-Bench Verified-ում Microsoft-ի խոսքով մոդելը ավելի բարդ խնդիրներ է լուծում՝ մինչև 60%-ով քիչ թոքեններով։

Հրահանգների կատարման մեջ այն առաջ է անցել 28.9 կետով IF Bench-ի ճշգրիտ հրահանգների թեստում և 14.5 կետով ռուբրիկայի վրա հիմնված Advanced IF-ում։ Ընկերությունը հավելում է, որ մոդելը գերազանցում է Claude Haiku 4.5-ին նաև մաթեմատիկայի, գիտության և վիզուալ գեներացիայի կոդի հիմնական դատողություններում։

Հարմարվող մտածողություն և արժեքը թոքենի դիմաց

MAI-Code-1-Flash-ը մարզվել է պատասխանի երկարության հարմարվող կառավարմամբ, որը խորությունը համապատասխանեցնում է խնդրին՝ պարզ հարցումներին՝ կարճ պատասխան, բարդ աշխատանքին՝ ավելի շատ դատողության բյուջե։ Microsoft-ը դա ներկայացնում է որպես արժեք թոքենի դիմաց՝ քիչ թոքեն նշանակում է ցածր ուշացում ու ծախս և ավելի սահուն ինտերակտիվ աշխատանք։

Մրցակցային թեստեր և հասանելիություն

Ընկերությունը նաև կառուցել է 186 հարցից ու 34 կատեգորիայից բաղկացած թեստ՝ մրցակցային թակարդներով՝ շրջված դասականներ, անհնարին խնդիրներ և թերի սահմանված սցենարներ։ MAI-Code-1-Flash-ը հասել է 85.8% ճշգրտության՝ ուժեղ արդյունքներով դատողության, հրահանգների կատարման և անհնարին խնդիրների ճանաչման մեջ, թեև Einstellung-ի նման հիմնական կատեգորիաներում ճշգրտությունը մնացել է 50%-ից ցածր։ Մոդելն այժմ հասանելի է VS Code-ում Copilot-ի անհատ օգտատերերին։