Microsoft AI представила MAI-Code-1-Flash для GitHub Copilot

Microsoft AI представила MAI-Code-1-Flash — модель для кодування, орієнтовану на швидку й ефективну допомогу в щоденній роботі розробників. Вона поступово з'являється в GitHub Copilot для індивідуальних користувачів у Visual Studio Code: у списку вибору моделей і в типовому автовиборі, без додаткового налаштування.

Навчання на виробничому середовищі Copilot

За словами Microsoft, модель навчали з нуля на чистих, простежуваних даних корпоративного рівня, без дистиляції зі сторонніх моделей. Для навчання використали ті самі GitHub Copilot-обв'язки, що працюють у продакшені, тож модель вчиться взаємодіяти з інструментами й системами в агентних задачах кодування. Контрольні точки оцінювали на базових задачах програмної інженерії, відповідях на питання про репозиторій, рефакторингу та телеметричних задачах із реального використання Copilot.

Результати проти Claude Haiku 4.5

Компанія повідомляє про вищі показники успіху в усіх чотирьох оцінках, проведених у тому самому виробничому середовищі: SWE-Bench Verified, SWE-Bench Pro, SWE-Bench Multilingual і Terminal Bench 2. Найбільший розрив — на SWE-Bench Pro: 51,2% проти 35,2%, тобто перевага у 16 пунктів. На SWE-Bench Verified модель, за даними Microsoft, розв'язує складніші задачі, витрачаючи до 60% менше токенів.

У виконанні інструкцій вона випередила конкурента на 28,9 пункту в IF Bench (точне виконання інструкцій) і на 14,5 пункту в Advanced IF на основі рубрик. Microsoft додає, що модель також перевершує Claude Haiku 4.5 у базовому міркуванні з математики, науки та генерації візуального коду.

Адаптивне мислення та цінність на токен

MAI-Code-1-Flash навчали з адаптивним контролем довжини рішення: він добирає глибину відповіді під задачу — стисло для простих запитів, більше бюджету міркування для складних. Microsoft формулює це як цінність на токен: менше токенів означає нижчу затримку й вартість та плавніший інтерактивний процес.

Змагальне тестування та доступність

Компанія також створила бенчмарк із 186 питань і 34 категорій зі змагальними пастками — інвертованими класичними задачами, неможливими задачами та недовизначеними сценаріями. MAI-Code-1-Flash досяг 85,8% скоригованої точності, показавши сильні результати в міркуванні, виконанні інструкцій і розпізнаванні неможливих задач, хоча в основних змагальних категоріях, як-от пастки Einstellung, точність залишилася нижчою за 50%. Модель уже доступна індивідуальним користувачам Copilot у VS Code.