«Быстрее, качественнее и вчетверо дешевле»: Microsoft выпустила MAI-Code-1.1-Flash и научила её работать на устройстве

Что выпустила Microsoft AI

7 октября 2026 года Microsoft AI представила MAI-Code-1.1-Flash — небольшую и экономичную модель для кодинга, которая, по заявлению компании, уже работает в продакшене GitHub Copilot. Новая версия выдаёт код более высокого качества при на 25% большей эффективности по токенам и вчетверо меньшей стоимости по сравнению с моделью, представленной в июне на конференции Microsoft Build.

Microsoft описывает 1.1 как «небольшую эффективную рабочую лошадку» для кодинга: она меньше и дешевле предыдущей, но именно на ней компания делает ставку в повседневных задачах разработчиков, а не только в демонстрациях.

Вчетверо дешевле: откуда взялась экономия

Стоимость в четверть от версии 1.0 Microsoft объясняет улучшенной эффективностью обучения и обслуживания. Модель оптимизировали на реальном применении в более чем сотнях тысяч сред обучения с подкреплением (reinforcement learning, RL) внутри GitHub Copilot, поэтому экономия не осталась внутри лаборатории, а передаётся клиентам.

Эффективность видна и в потоке: в GitHub Copilot токены стримятся на 25% быстрее, а модели требуется на 25% меньше токенов, чтобы выполнить задачу. Microsoft формулирует это так: быстрее ответы, меньше ожидания и больше полезной работы от каждого токена, а не просто «модель побольше с более крупным счётом».

Улучшенные обучение и обслуживание, по словам компании, позволили предложить более сильную и быструю модель за четверть цены версии 1.0 и передать эту экономию клиентам предсказуемо, а не как разовую акцию.

Кодинг на устройстве: 3-битная квантизация и 256K контекста

Отдельное направление — запуск модели прямо на устройстве пользователя. MAI-Code-1.1-Flash оптимизирована с помощью 3-битной квантизации: это снижает требования к памяти, сохраняя полное контекстное окно в 256K и сопоставимое с полной точностью качество кодинга на SWE-Bench Verified и Terminal-Bench 2.1.

Локальные вызовы модели не тарифицируются как инференс, и это даёт маршрутизатору Copilot дополнительный вариант на самом устройстве: подходящая работа по кодингу может выполняться на железе пользователя, а облачные модели подключаются там, где нужна большая мощность. Модель доступна для скачивания и локального запуска, а для лучшей производительности Microsoft рекомендует устройства с более чем 120 ГБ оперативной памяти.

Экспериментальный доступ в GitHub Copilot — в приложении GitHub Copilot, в GitHub Copilot CLI и в Visual Studio Code — компания обещает до конца месяца.

Продакшен важнее бенчмарков

Microsoft собрала обратную связь разработчиков и сосредоточилась на том, что для них важно: задачах в командной строке и производительности на.NET. Результат — улучшение на 22% на Terminal-Bench 2.1 в GitHub Copilot CLI и на 15% на задачах.NET.

Но компания подчёркивает, что бенчмарки — лишь ориентир, а решает продакшен: главное, что «выживаемость» кода (code survival) выросла на 4%, а возвраты к инструменту (return visits) — на 9%.

Показательно, что именно GitHub Copilot, а не отдельный лабораторный стенд, выбран площадкой, где проверяются заявленные улучшения, — это и есть тот продакшен, о котором говорит компания. Microsoft отдельно отмечает, что такие метрики поведения разработчиков убеждают её больше, чем сухие результаты бенчмарков.

Команда и открытый цикл обратной связи

Microsoft AI описывает себя как небольшую, «насыщенную талантами» команду исследователей, инженеров и разработчиков полного цикла, которая работает на фронтире и держит дорожную карту к самым мощным моделям. Открытость к обратной связи компания называет частью цикла «выпускать, учиться, улучшать, повторять»: разработчиков просят попробовать MAI-Code-1.1-Flash в GitHub Copilot и сообщать о том, что нужно улучшить, через issues.

На той же странице рядом с анонсом перечислены и другие свежие работы команды: MAI-Image-2.6, вышедшая на второе место в Arena впереди Google, Meta и xAI, и MAI-Cyber-1-Flash внутри MDASH.