微软 Ignite 一口气发七个 MAI 模型:Code 2 进 Copilot,号称 96% 的 Claude 性能只要 5% 的价钱
2026 年 11 月 17 日,微软在 Ignite 大会上一次发布七个自研 MAI 模型,MAI Code 2 与 Code 2 Flash 当天进入 GitHub Copilot。微软称 Code 2 达到 GPT-6.1 Sol 编码质量的 98%、Claude Opus 5.5 的 96%,价格分别只要 40% 和 5%——但这组对比按五折促销价算,原价未公布,性能也是微软自选基准的平均值。

一句话:微软这次不拼最大的模型,拼的是“够用又便宜”
2026 年 11 月 17 日,微软在旧金山 Ignite 大会上一次放出七个自研 MAI 模型,覆盖写代码、网络安全、图片编辑、实时语音、医疗转写和模型路由。微软 AI 首席执行官穆斯塔法·苏莱曼在主题演讲里把话说得很直白:使命是“造出世界上最好的模型”,但客户真正想要的,是能让智能体一天 24 小时不停干活、账单又付得起的价格。这次发布的调子就定在这里:不跟 OpenAI 和 Anthropic 比谁的模型最大,比的是在日常任务上花更少的钱办差不多的事。
先把七个模型一次说清楚。写代码的有两个:MAI Code 2 和 MAI Code 2 Flash。安全方向是 MAI Cyber 2 Flash,专门做防御性的漏洞发现和修复。图片是 MAI Image 2.7 和它的轻量版 Image 2.7 Flash。语音是 MAI Realtime 1,微软第一个实时语音对话模型。医疗转写是 Dragon Copilot Transcribe,背后是 MAI Transcribe 2。还有一个 Decision 1.1,专门负责在大小模型之间做路由,只在真正需要时才调用贵的大模型。七个模型之外还有两样配套:MAI Licensed Weights,让企业把模型权重拿回自己的 Azure 环境里定制和运行;第二代自研加速器 Maia 200,已经在生产环境跑微软最大的模型,每瓦 token 数比上一代高 1.7 倍。
对写代码的人来说,主角是 Code 2。微软说,它是为“每天的企业级写代码任务”造的:把代码做到能上生产、深度调试、跨多个文件改动、在整个仓库范围内推理。性能数字是这么报的:在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 这四个基准的平均值上,Code 2 达到 GPT-6.1 Sol 编码质量的 98%,价格约为 40%;对 Claude Opus 5.5 达到 96%,价格只要 5%。微软还补了一句:这两个模型“明确还没针对更难的问题调优,比如基础科学研究和超长周期的智能体工作”。换句话说,它瞄准的是你每天真正写的代码,不是科研攻坚。
前端是 Code 2 特别下功夫的地方。微软说,它专门调过生成仪表盘和可视化的能力,在一次盲测里,开发者在并排对比中 64% 的时间更喜欢 MAI Code 2 的前端作品,而不是 GPT-6 Sol 的。这个数字听着很具体,但也要注意:这是微软自己做的盲测,样本量和评判标准都没公开。真正有用的判断方法还是老办法:拿你自己的页面需求,在两个模型上各跑一遍,看哪个更顺手。Code 2 Flash 则负责量大管饱的活:代码讲解、定向修改、常规修复、快速迭代。微软说,它在三个日常基准上的表现和 GPT-6 Luna 相当,价格是后者的 65%;和 Claude Haiku 5.5 相当,价格是后者的 20%。
两个写代码的模型都已经进了 GitHub Copilot。GitHub 同一天的更新日志写明:MAI Code 2 面向 Copilot Pro、Pro+、Max、商业版和企业版;Code 2 Flash 还包括免费版和学生版。两个模型都按用量计费,只向符合条件的年付订阅用户开放。模型选择器覆盖的地方很全:VS Code、Visual Studio、Copilot 命令行、云端智能体、Copilot 应用、github.com、GitHub 移动端、JetBrains、Xcode 和 Eclipse。Code 2 Flash 同时在微软 Foundry 里做限量预览。还有一个时间点要记下来:GitHub 宣布,随着 Code 2 Flash 上线,上一代的 MAI-Code-1.1-Flash 将在 2026 年 12 月 18 日从所有 Copilot 体验中退役——如果你现在的工作流还指着它,一个月内要换过去。
先别急着换:价格里有一半是促销
这组数字最抓眼球的地方,也是最需要打折扣的地方。微软官方博客没有印出 Code 2 的价目表,多家独立报道指出,成本对比是按五折促销价算的:The Edge 的解读是,两个写代码的模型都按 50% 的促销价计价,而且文章里没有印出原价。Axios 也指出,部分价格优势反映的是促销折扣。也就是说,“40% 的价格”这句话成立的前提,是促销价一直有效;促销一旦结束,同样的对比可能变成 80%,“5% 的价格”可能变成 10%。即便如此仍然便宜,但没有标题里看起来那么夸张。微软没有公布促销持续多久,也没有公布原价——在独立评测出来之前,这笔账只能先按促销价算,同时在心里留一个“原价未知”的问号。
基准测试本身也有口径问题。98% 和 96% 这两个数字,是微软自己挑的四个基准的平均值,而且是在最高推理强度下跑出来的。四个基准针对的是 Copilot 里常见的日常任务,这正是微软想让你看到的那一面;但换一套基准、换一个任务类型,名次完全可能变。就在同一天,OpenAI 的 GPT-6.2 发布也用了同样的讲法——厂商的记分牌和独立的记分牌对不上,这已经是这个月的常态。微软的数字目前还没有独立复核。等 Artificial Analysis、Terminal-Bench 这些公开榜单跑出结果,再决定要不要把主力工作流迁过去,是更稳妥的做法。
还有一个细节值得留意:微软没有在这次发布里公布 Code 2 的上下文窗口、速率限制这些硬参数。对每天要把整个仓库上下文喂给模型的开发者来说,上下文窗口有多大、一次能处理多少代码,直接决定了这个模型能不能接你的活。这些数字要么在模型卡里,要么在 Copilot 的文档里,发布会当天没给全。选模型之前,先去模型页上把这些参数对一遍,比只看 98% 这个数字更实在。
安全和图片那两块,可能比写代码更值得看
如果只盯着写代码,会错过这次发布里另外两个更实在的部分。第一个是 MAI Cyber 2 Flash。微软说,它在 CyberGymE2E 这个真实漏洞发现基准上和 GPT-6 Astra 质量相当,每个任务的成本不到后者的 2%。据 The Edge 对微软文章的解读,CyberGymE2E 上 Cyber 2 Flash 完成了 92.3% 的任务,GPT-6 Astra 是 91.5%;在第二个安全测试 WebExploitBench 上,它以 40.4% 对 38.4% 领先 GPT-5.6 Cyber。它的输出 token 价格比上一代 MAI Cyber 1.1 Flash 低 86%。微软自己的多智能体漏洞扫描系统 MDASH 里,MAI Cyber 已经占了将近 40% 的扫描量,而且 90% 用过 MAI 的扫描后来都继续用它。不过要注意:Cyber 2 Flash 只进微软自己的安全产品,从 12 月中旬起自动替换符合条件的 MDASH 客户现有模型,一般开发者在 Copilot 里用不到它。
第二个是图片和语音。MAI Image 2.7 在 Artificial Analysis 的图片编辑评测里排第一,微软说它打败了 GPT Image 2.6 Sunburst 的最高配置,价格只有五分之一;文字生成图片排第四,微软自称是第二好的实验室。轻量版 Image 2.7 Flash 面向量大的场景,每 1000 张图大约 10 美元。MAI Realtime 1 是微软第一个实时语音对话模型,微软说它在自家评测里超过了 GPT-Realtime 2.1,起价每音频分钟 0.01 美元。Dragon Copilot Transcribe 已经在真实场景里跑起来了:它负责 Dragon Copilot 里 100% 的医患对话转写,一个月 1000 万次就诊,多语言场景的错误率减半,已经握在三分之一美国医生的手里。这几个数字里,转写那个是最硬的——它不是基准分,是已经跑起来的真实用量。
Decision 1.1 也值得单独提一句。它是个路由模型,作用是把每个请求分给合适的模型,别让小活也去烧大模型的钱。微软说它在 Artificial Analysis 的决策指数上领先 Jev、谷歌和 OpenAI,4,000 个客户在用,比 GPT-Sol 6.1 快 50 倍、便宜 79 倍。这个模型已经全面可用。对 vibe coding 的人来说,路由这个思路本身比模型更有参考价值:你的项目里如果同时接了几个模型,先按任务分流再调用,比一股脑全上旗舰模型省得多。
对 Copilot 用户来说,变化明天就到
这次发布和以往的模型发布有一个很大的不同:它不是“过几个月才能用”,而是当天就进了 Copilot 的模型选择器。对已经在付费 Copilot 的人来说,什么都不用做就能在下拉菜单里看到 Code 2 和 Code 2 Flash。但企业管理员要多留一个心眼:GitHub 说,在默认的模型启用设置下,新模型会自动开启,除非管理员关掉了全局默认设置,或者明确禁用了这个模型。如果你管着一个团队的 Copilot 策略,先去模型策略里看一眼,再决定是让大家自由试,还是先锁住等评估结果。
企业层面的故事在 MAI Licensed Weights 上。微软的说法是:拿一个前沿 MAI 模型,用你自己的数据定制,然后在你自己的 Azure 环境里安全运行,访问权在你手里,数据和改动也归你。AT&T 已经这么做了:它为 5G 网络运营分析定制了一个 MAI 模型,微软说它在性能上超过了 GPT-6.1 Sol,成本只有五十分之一。这条线针对的是那些“不想把自己的 IQ 倒进别人模型里”的大客户。对个人开发者和小团队来说,这条线暂时用不上,但它解释了微软为什么要自己造模型:Copilot 里的模型选择越多,微软对 OpenAI 和 Anthropic 的依赖就越小。
最后还要提一句 MAI-Code-1.1-Flash 的退役。就在上个月,我们还写过它:微软把 137B 的自研代码模型塞进本地电脑,零推理费但要 120GB 以上内存。那篇写的是本地版,而这次的 Code 2 是云端的主力模型,两者不是一回事。但 12 月 18 日这个退役日期是实打实的:如果你在 Copilot 里用的是 MAI-Code-1.1-Flash,一个月内要把工作流切到 Code 2 Flash 或者别的模型。微软的模型换代正在加速,上一代的寿命比想象中短。
为什么是现在:微软在下一盘更大的棋
要理解这次发布,得先看微软这两年在模型上的处境。Copilot 背后的主力模型长期来自 OpenAI,Claude 也在 Copilot 里占了一席之地。微软一边是 OpenAI 最大的合作方,一边又在被自己的合作伙伴“卡脖子”:模型涨价、配额、路线图,都不在自己手里。路透社在 11 月 17 日的报道里点明了这一点:微软这次就是要直接挑战 OpenAI 和 Anthropic,而不是继续只当它们的分销商。苏莱曼在采访里说,针对不同领域专门造模型,能在保持低成本的同时追上甚至超过通用模型的基准成绩。这句话翻译过来就是:微软不再相信“一个大模型包打天下”,它赌的是分工。
这个赌法能不能成立,要看两件事。第一件是成本结构:微软说,客户想让智能体 24 小时不停地干真正的工程活,token 花费涨得太快,通用旗舰模型的价格撑不住这种用法。专门模型的好处是体积更小、针对性更强,跑起来便宜得多。Maia 200 在这里是配套的一环:微软自己的加速器每瓦 token 数提高 1.7 倍,模型和芯片一起省,才是完整的成本故事。第二件是能力边界:微软自己承认,Code 2 还没针对基础科学研究和超长周期智能体工作调优。也就是说,这次的“分工”是有边界的——日常工程活归专门模型,最难的、跑几天的长任务还是旗舰模型的领地。这个边界划得诚实,但也意味着 Code 2 的 98% 只在它划定的那个圈里成立,圈外的任务不在比较范围内。
还有一个值得注意的信号:微软这次没有只发模型,还发了“定制”这条线。MAI Licensed Weights 让企业把权重拿回自己的 Azure 环境,AT&T 的例子是 5G 网络运营分析,微软说定制模型在性能上超过 GPT-6.1 Sol,成本只有五十分之一。定制模型这条线真正卖的东西不是性能,是控制权:数据不出去,改动归自己,访问权自己定。这对金融、医疗、电信这些对数据合规敏感的行业很有吸引力,也解释了为什么微软愿意在自研模型上持续投钱——它卖的不是某一个模型,而是“你的模型、你的权重、你的控制权”这套说法。对个人开发者来说,这条线暂时够不着,但它决定了微软未来几年会在 Copilot 里推哪些模型:自己的模型越多,微软在谈判桌上的筹码就越大。
先试什么:一个能在一周内跑完的对照
如果你现在就想试,不用等独立评测,有一个一周能跑完的对照方法。第一天,先在免费版或者学生版 Copilot 里打开 Code 2 Flash,只做你每天最常做的三件事:解释一段你没写过的代码、修一个你已经知道原因的小 bug、给一个函数补测试。记下三个指标:一次改动要返工几次、改完的代码能不能直接合入、你花了多少时间检查。第二天起,把 Code 2 用在跨文件的改动上:重构一个模块、跨三个文件加一个功能、让它读整个仓库后给一份改动方案。同样记返工次数和检查时间。第三步,把同样的任务在你现在用的旗舰模型上再跑一遍,对比的不是谁的分高,而是谁的改动你更愿意直接合入、谁让你花的检查时间更少。
跑对照的时候还有一个地方要看:Copilot 是按用量计费的,Code 2 和 Code 2 Flash 的 token 消耗会直接反映在账单上。GitHub 的用量页面能看到每个模型花了多少,跑完一周对照后,把两个模型的用量和产出放在一起看:如果 Flash 的用量只有 Code 2 的一半、产出却差不多,那日常任务就没必要上大模型。这个账单视角是基准分给不了的:基准分只告诉你模型有多强,账单告诉你它有多贵,而你的工作流真正需要的是两者之间的比值。
这个对照之所以比基准分管用,是因为基准分测的是模型在标准考场上的表现,而你的工作流里真正花钱的地方是返工和检查。一个模型如果每次改动都要你返工两轮,哪怕它便宜五倍,省下的模型钱也会以你的时间补回去。反过来,如果 Flash 在日常小活上一次就能交出可用的结果,那它就是你最划算的默认选择。跑完这一周,你手里就有自己的数字:每个任务花了多少 token、返工几次、检查多久。这比任何发布会上的百分比都更能决定你要不要换默认模型。
我们的判断:把它当成多一个便宜选项,别当成换代
这次发布真正改变的东西,不是某个基准分,而是 Copilot 里多了一组“够用又便宜”的默认选项。以前的逻辑是:日常任务也得在 GPT 和 Claude 的旗舰模型里挑一个;现在微软说,日常任务可以用自己的模型,性能只差两到四个百分点,价格只有四成甚至零头。这个说法如果属实,对每天要跑几十次智能体的开发者来说,一个月省下来的钱是看得见的。Flash 进免费版和学生版也很实在:以前免费用户基本只能用轻量模型,现在也能在 Copilot 里直接试到 Code 2 Flash。
接下来三个信号值得盯着看。第一个是独立评测:Artificial Analysis、Terminal-Bench 这些公开榜单会在未来几周给出 Code 2 的独立成绩,到时候 98% 这个数字是站住了还是缩水了,一看就知道。第二个是原价:促销总有结束的一天,微软迟早要公布 Code 2 的正式价目表,那一天的定价才是这场价格战的真实底牌。第三个是 Copilot 里的实际用量:GitHub 没有说会有多少用户从 GPT 和 Claude 切到 MAI 模型,这个数字只有微软自己知道,但它决定了这次发布到底是多了一个选项,还是真的改写了 Copilot 的模型格局。在这三个信号出来之前,最稳妥的姿势就是:先试,不急着换。
但有两个提醒要放在前面。第一,别拿厂商的基准分和促销价做采购决定。98% 和 96% 是微软自己挑的基准、自己跑的平均值;40% 和 5% 是按五折促销价算的,原价和促销期限都没公布。等独立榜单和真实用户的反馈沉淀一两周,再决定要不要把主力工作流迁过去。第二,别被“七个模型”这个数字迷惑:真正进了 Copilot、你今天就能用的只有 Code 2 和 Code 2 Flash 两个;Cyber 2 Flash 只进微软自己的安全产品,图片和语音模型在 Foundry 里,路由模型面向企业。对个人开发者来说,这次发布等于 Copilot 模型选择器里多了两个便宜选项——先拿 Flash 试试日常的修修补补,把 Code 2 留给跨文件的大改动,真正难的、长周期的智能体任务,还是先留在你已经验证过的旗舰模型上。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。