Microsoft AI-მ წარადგინა MAI-Code-1-Flash — კოდირების მოდელი GitHub Copilot-ისთვის

Microsoft AI-მ წარადგინა MAI-Code-1-Flash — კოდირების მოდელი, რომელიც მშენებლების ყოველდღიურ სამუშაო პროცესში სწრაფ და ეფექტურ დახმარებაზეა ორიენტირებული. ის Visual Studio Code-ში GitHub Copilot-ის ინდივიდუალურ მომხმარებლებს ეტაპობრივად მიეწოდებათ: მოდელი გამოჩნდება მოდელების ასარჩევში და ნაგულისხმევ Auto ასარჩევშიც, დამატებითი კონფიგურაციის გარეშე.

გაწვრთნილი საწარმოო Copilot-ის გარემოზე

კომპანიის თანახმად, მოდელი ნულიდან გაწვრთნილია სუფთა, მიკვლევად და საწარმოო დონის მონაცემებზე, მესამე მხარის მოდელებიდან დისტილაციის გარეშე. წვრთნისას გამოიყენეს ის GitHub Copilot-ის ჰარნესები, რომლებიც პროდუქციაში მუშაობს, ამიტომ მოდელი სწავლობს მიმდებარე ხელსაწყოებთან ურთიერთობას აგენტური კოდირების ამოცანებში. საკონტროლო წერტილები შეფასდა პროგრამული ინჟინერიის ძირითად ამოცანებზე, რეპოზიტორიაზე დაფუძნებულ კითხვა-პასუხზე, რეფაქტორინგსა და რეალური Copilot-ის გამოყენებიდან აღებულ ტელემეტრიულ ამოცანებზე.

შედეგები Claude Haiku 4.5-ის წინააღმდეგ

კომპანია იუწყება, რომ მოდელმა უფრო მაღალი წარმატების მაჩვენებელი აჩვენა ოთხივე შეფასებაში, რომლებიც იმავე საწარმოო ჰარნესში ჩატარდა: SWE-Bench Verified, SWE-Bench Pro, SWE-Bench Multilingual და Terminal Bench 2. ყველაზე დიდი სხვაობა SWE-Bench Pro-ზეა — 51.2% 35.2%-ის წინააღმდეგ, ანუ 16 პუნქტით წინ. SWE-Bench Verified-ზე Microsoft-ის თქმით, მოდელი უფრო რთულ ამოცანებს 60%-მდე ნაკლები ტოკენით ხსნის.

ინსტრუქციების შესრულებაში მან 28.9 პუნქტით აჯობა IF Bench-ის ზუსტი ინსტრუქციების ტესტში და 14.5 პუნქტით რუბრიკაზე დაფუძნებულ Advanced IF-ში. კომპანია ამატებს, რომ მოდელი Claude Haiku 4.5-ს აღემატება მათემატიკის, მეცნიერებისა და ვიზუალური გენერაციის კოდირების მსჯელობაშიც.

ადაპტური აზროვნება და ღირებულება ტოკენზე

MAI-Code-1-Flash გაწვრთნილია ადაპტური სიგრძის კონტროლით, რომელიც პასუხის სიღრმეს ამოცანას არგებს: მარტივ მოთხოვნაზე მოკლე პასუხი, რთულზე მეტი მსჯელობის ბიუჯეტი. Microsoft-ის ფორმულირებით, შედეგია ღირებულება ტოკენზე — ნაკლები ტოკენი ნიშნავს დაბალ დაყოვნებასა და ხარჯს და უფრო გლუვ ინტერაქტიულ მუშაობას.

მოწინააღმდეგე ტესტირება და ხელმისაწვდომობა

კომპანიამ შექმნა 186 კითხვისა და 34 კატეგორიის ბენჩმარკი მოწინააღმდეგე ხაფანგებით — შებრუნებული კლასიკური ამოცანები, შეუძლებელი ამოცანები და არასრულად განსაზღვრული სცენარები. MAI-Code-1-Flash-მა 85.8% შესწორებული სიზუსტე მიაღწია, განსაკუთრებით კარგად იმუშავა მსჯელობაში, ინსტრუქციების შესრულებასა და შეუძლებელი ამოცანების ამოცნობაში, თუმცა Einstellung-ის ტიპის ხაფანგებში სიზუსტე 50%-ზე დაბალი დარჩა. მოდელი ახლა ხელმისაწვდომია VS Code-ში Copilot-ის ინდივიდუალური მომხმარებლებისთვის.