Інструменти й релізиВплив: Високий
Oleksandr Kuzmenko, РедакторОпубліковано 5 хв читанняЗа участі AI · перевірено редактором
TL;DR
- MAI Code 2 демонструє 98% якості GPT-6.1 Sol на бенчмарках кодингу за 40% ціни.
- Оптимізація токенів скорочує споживання у Word на 42%, а в Teams — на 28%.
- Моделі вже інтегровані в GitHub Copilot та незабаром вийдуть на OpenRouter і Vercel.
Ключові факти
- DeepSWE/SWE-Atlas проти GPT 6.1 Sol
- 98% якості за 40% вартості (за даними розробника)
- DeepSWE/SWE-Atlas проти Claude Opus 5.5
- 96% якості за 5% вартості (за даними розробника)
- Сліпе тестування UI проти GPT-6 Sol
- 64% переваги за оцінкою 258 асесорів (за даними розробника)
- Економія токенів у Word
- ~42% менше вхідних токенів порівняно з GPT-6.1 Sol
Спеціалізована архітектура для повсякденної розробки. Microsoft створила MAI Code 2 та MAI Code 2 Flash для стандартних інженерних процесів. Замість навчання універсальних моделей під абстрактні наукові завдання, акцент було зроблено на редагуванні багатьох файлів, контексті всього репозиторію, налагодженні та фронтенд-розробці. У сліпих оцінках інтерфейсів, 3D-сцен та SVG-графіки 64% з 258 асесорів віддали перевагу результатам MAI Code 2 над GPT-6 Sol.
Результати бенчмарків та оптимізація витрат. За результатами DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas та FrontierCode v1.1 у GitHub Copilot CLI без субагентів, MAI Code 2 досягає 98% продуктивності GPT-6.1 Sol за 40% вартості. Порівняно з Claude Opus 5.5 модель зберігає 96% якості за 5% вартості за промо-тарифом. Модель MAI Code 2 Flash відповідає рівню GPT-6 Luna та Claude Haiku 5.5 за 65% та 20% їхньої ціни.
Інтеграція в платформи та доступність. Похідна модель MAI Work Flash уже підтримує сервіси Microsoft 365 та Fabric IQ. У Microsoft Word вона використовує на 42% менше вхідних токенів порівняно з GPT-6.1 Sol, а в Teams витрачає на 28% менше токенів на системні інструкції. Обидві моделі доступні в GitHub Copilot, у прев'ю Microsoft Foundry, а також готуються до виходу на OpenRouter, Vercel та Hermes.
Спробуй за 2 хвилини
json
{
"github.copilot.advanced": {
"model": "mai-code-2"
}
}Коли використовувати
- Підтримка кодових баз, багатофайловий рефакторинг та виправлення помилок.
- Генерація вебінтерфейсів, аналітичних панелей та SVG-графіки в GitHub Copilot.
Коли НЕ варто
- Тривалі автономні агентські сценарії з глибоко вкладеними викликами субагентів.
- Фундаментальні теоретичні дослідження та неструктуровані наукові задачі.
Що зробити сьогодні
- Протестуйте MAI Code 2 у GitHub Copilot CLI для генерації інтерфейсів та UI-компонентів.
- Порівняйте MAI Code 2 Flash із Claude Haiku для задач автоматичного коментування коду.
- Відстежуйте появу моделей у каталогах OpenRouter та Vercel для підключення через API.
Назви кроків узяті з блоку «Що зробити сьогодні».
Назви кроків узяті з блоку «Що зробити сьогодні». Протестуйте MAI Code 2 у GitHub Copilot CLI для генерації інтерфейсів та UI-компонентів.. Порівняйте MAI Code 2 Flash із Claude Haiku для задач автоматичного коментування коду.. Відстежуйте появу моделей у каталогах OpenRouter та Vercel для підключення через API.
- Протестуйте MAI Code 2 у GitHub Copilot CLI для генерації інтерфейсів та UI-компонентів.
- Порівняйте MAI Code 2 Flash із Claude Haiku для задач автоматичного коментування коду.
- Відстежуйте появу моделей у каталогах OpenRouter та Vercel для підключення через API.
Що каже спільнота
They are better than the rest of the available models currently, but only by a few months. I think only google is catching up, and others plateaued.
Also “mai” that is “never” in italian
