10月7日，微软在旧金山的活动上发布了编程模型MAI-Code-1.1-Flash。这是6月Build大会上MAI-Code-1-Flash的升级版，也是微软自研MAI家族里最接地气的一员：130B参数、256K上下文窗口，已经全面接入GitHub Copilot、Copilot CLI和VS Code。
更劲爆的消息在后面。微软宣布要把这个模型塞进Windows 11，让本地硬件直接跑AI编程。云端编程模型卷价格、卷速度的时代，微软把战场挪到了你的开发机上。
价格砍到四分之一，能力还在涨
先看账本。相比6月的1.0版本，MAI-Code-1.1-Flash的调用价格直接降到四分之一。降价的同时，性能数据全线飘红：
- Terminal-Bench 2.1提升22%（GitHub Copilot CLI环境）
- .NET相关任务提升15%
- 代码存活率（code survival）提升4%
- 开发者回访率提升9%
- Token输出流速度提升25%
- 完成同样任务的Token消耗减少25%
微软AI团队在官方博客里解释了这套逻辑：他们在GitHub Copilot的数十万个强化学习环境里做真实场景训练，专注CLI任务和.NET这两个开发者反馈最多的方向。跑分是参考，生产环境才是试金石。代码存活率和回访率这两个指标，比榜单排名更能说明模型的实际可用性。
新增视觉能力：看截图直接写代码
1.0版本是纯文本模型，这次升级补上了多模态短板。MAI-Code-1.1-Flash可以直接读取截图、架构图、UI草图，从设计稿到代码实现的路程被大幅缩短。
设计师丢给你一张Figma导出的界面图，模型看完直接生成对应组件。测试覆盖率报告的截图贴进去，模型定位到该修的函数。对前后端联调、老项目重构这类”看图干活”的场景，这个能力省掉的是大量描述性输入。
3-bit量化，256K上下文保住了
本地化是这次发布的重头戏。微软用3-bit量化把模型体积压缩了80%，内存需求大幅下降，256K上下文窗口完整保留。官方给出的SWE-Bench Verified和Terminal-Bench 2.1数据显示，量化版与全精度版本的表现相当。
想本地跑满血版，微软建议准备120GB以上的内存。门槛不低，但方向已经明牌：Copilot的路由器会自动分配任务，日常编码、仓库问答、重构这类高频工作走本地，零推理费用；复杂任务交给云端大模型。这个”混合智能”的架构，微软上周刚在Windows 11的Copilot上落地过，现在延伸到了开发工具链。
旧版本9月已停用，迁移没有缓冲期
注意时间线：旧版MAI-Code-1-Flash将于2026年9月10日在Copilot平台全面停用。用惯了1.0的团队，现在已经在1.1上了。JetBrains、VS Code等主流IDE的Copilot插件均已同步更新。
对新用户来说，免费档和付费档的开发者都能在Copilot里用到这个模型，无需单独申请。微软给出的定位很清晰：高频、低成本、低延迟，把活干完。
编程模型的价格战打到下一个阶段
过去两年，编程模型的竞争集中在跑分。GPT-6、Claude Opus 5.5、Gemini 4 Argon在榜单上你追我赶，API单价却始终降不下来。MAI-Code-1.1-Flash换了打法：不求当最强，只求在最常见的任务上跑得又快又便宜，再把这批任务从云端搬到本地。
这步棋的想象空间在端侧。130B参数的模型量化后能进消费级设备，意味着代码补全、单元测试生成、提交信息撰写这类琐碎工作可以完全离线完成。数据不出本机，对金融、医疗、合规要求严苛的企业开发者，这是一个实打实的卖点。
Anthropic的小模型Haiku 5.5刚把价格砍了九成，微软转头就把编程模型做进操作系统。AI编程工具的下一个战场已经清楚：谁的模型跑在离开发者最近的地方，谁的成本结构就最健康。
你的下一行代码，可能真的出自你自己的电脑。
苏公网安备32010502011527号
发表回复