Microsoft AI, GitHub Copilot için MAI-Code-1-Flash'ı tanıttı

Microsoft AI, günlük geliştirici iş akışlarında hızlı ve verimli yardım için tasarlanan kodlama modeli MAI-Code-1-Flash'ı tanıttı. Model, Visual Studio Code'da GitHub Copilot bireysel kullanıcılarına kademeli olarak sunuluyor: model seçicide ve varsayılan Auto seçicide görünecek, ek kurulum gerekmiyor.

Üretimdeki Copilot ortamıyla eğitim

Şirkete göre model, üçüncü taraf modellerden damıtma olmadan, temiz, izlenebilir ve kurumsal düzeyde verilerle sıfırdan eğitildi. Eğitimde üretimde çalışan GitHub Copilot ortamları kullanıldı; böylece model ajan tabanlı kodlama görevlerinde çevredeki araçlarla nasıl etkileşeceğini öğreniyor. Kontrol noktaları temel yazılım mühendisliği görevlerinde, depo soru-cevabında, refaktörde ve gerçek Copilot kullanımından uyarlanan telemetri görevlerinde değerlendirildi.

Claude Haiku 4.5 karşısında sonuçlar

Şirket, aynı üretim ortamında yapılan dört değerlendirmede de daha yüksek başarı oranı bildiriyor: SWE-Bench Verified, SWE-Bench Pro, SWE-Bench Multilingual ve Terminal Bench 2. En büyük fark SWE-Bench Pro'da: %51,2'ye karşı %35,2, yani 16 puanlık fark. Microsoft'a göre model SWE-Bench Verified'da daha zor problemleri %60'a kadar daha az token kullanarak çözüyor.

Talimat takibinde IF Bench kesin talimat testinde 28,9 puan, rubrik tabanlı Advanced IF'te 14,5 puan önde. Şirket, modelin matematik, bilim ve görsel üretim kodundaki temel akıl yürütmede de Claude Haiku 4.5'ten iyi olduğunu ekliyor.

Uyarlanabilir düşünme ve token başına değer

MAI-Code-1-Flash, yanıtın derinliğini göreve uyarlayan uyarlanabilir çözüm uzunluğu kontrolüyle eğitildi: basit isteklerde kısa yanıt, karmaşık işlerde daha fazla akıl yürütme bütçesi. Microsoft bunu token başına değer olarak çerçeveliyor: daha az token daha düşük gecikme ve maliyet, daha akıcı etkileşim demek.

Rakip testler ve erişilebilirlik

Şirket ayrıca ters çevrilmiş klasikler, imkânsız görevler ve eksik tanımlı senaryolar gibi tuzaklar içeren 186 soruluk, 34 kategorili bir kıyaslama oluşturdu. MAI-Code-1-Flash %85,8 düzeltilmiş doğruluğa ulaştı; akıl yürütme, talimat takibi ve imkânsız problemleri tanımada güçlü sonuçlar aldı, ancak Einstellung tuzakları gibi temel rakip kategorilerde doğruluk %50'nin altında kaldı. Model artık VS Code'da bireysel Copilot kullanıcılarına açık.