Microsoft nggunakake bukaan konferensi Ignite ing dina Selasa kanggo ngluncurake MAI Code 2 lan MAI Code 2 Flash, sepasang model coding ing omah sing dikandhakake perusahaan kasebut nyedhiyakake kinerja tingkat wates ing karya pangembangan perusahaan saben dina kanthi sithik saka biaya pesaing. Pengumuman kasebut, diterbitake ing kaca warta Microsoft AI dhewe, nandhani tantangan rega paling agresif ing pasar kanggo asisten coding AI.

Peluncuran kasebut kanthi cepet dibingkai dening Reuters lan Axios amarga Microsoft ngarahake OpenAI lan Anthropic, sing model rega premium saiki dadi pasar asisten coding. Tolok ukur Microsoft dhewe nggawe target kasebut jelas: perusahaan kasebut mbandhingake model anyar kasebut langsung karo OpenAI's GPT-6.1 Sol lan Anthropic's Claude Opus 5.5, lan nomer sing diterbitake katon apik banget. For more context on this story, see our ongoing AI news.

Kinerja Frontier, Fraksi saka Rega

Miturut woro-woro Microsoft, MAI Code 2 iki rata-rata antarane papat benchmarks digunakake nargetake tugas kode perusahaan saben dinten - DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas lan FrontierCode v1.1 - campuran tugas padha ngandika perusahaan weruh ing GitHub Copilot. Ing ukuran gabungan kasebut, Microsoft nyatakake model kasebut nyedhiyakake 98 persen kinerja GPT-6.1 Sol kanthi 40 persen biaya, lan 96 persen kinerja Claude Opus 5.5 mung 5 persen biaya.

Crita frontend padha-padha nuding. Ing evaluasi wuta saka app frontend di bangun, Microsoft ngandika reviewers manungsa disenengi MAI Code 2 asil liwat GPT-6 Sol 64 persen wektu. Perusahaan kasebut uga nyorot setelan model kanggo dashboard, visualisasi lan karya coding visual liyane - tugas sing ndominasi perkakas perusahaan internal.

Iki minangka nomer sing dilaporake vendor, lan verifikasi independen bakal butuh wektu. Nanging struktur pratelan kasebut ora biasa: tinimbang nuntut kaunggulan langsung saka model perbatasan, Microsoft mbantah manawa meh padha karo kerja rutin yaiku kabeh sing dibutuhake para pangembang perusahaan - lan diskon kasebut kudu curam.

Dibangun kanggo Pangembang Pakaryan Saben Dina

Microsoft khusus khusus babagan apa MAI Code 2 lan ora kanggo. Model kasebut unggul, ujare perusahaan, nalika njupuk kode menyang produksi, debugging jero, implementasine multi-file, penalaran repo-wide lan karya UI, lan disetel kanggo ngasilake owah-owahan sing bakal digabung karo para pemelihara kode - bar kualitas donya nyata sing asring dilebokake skor patokan mentah.

Kaya sing dingerteni yaiku apa sing dikandhakake Microsoft model kasebut ora disetel kanggo: riset ilmu dhasar lan karya agenik sing dawa banget. Cakupan eksplisit kasebut minangka penyimpangan saka kebiasaan lab frontier biasa sing nuntut kemampuan sing wiyar, lan nuduhake yen Microsoft nggawe segmen pasar kanthi sengaja - ninggalake proyek agen sing paling angel lan paling dawa dadi model sing luwih larang nalika njupuk volume coding perusahaan rutin ing ngisor iki.

Kode 2 Lampu kilat Target Karya Volume Dhuwur

Kajawi kapal penggedhe, MAI Code 2 Flash dibangun kanggo volume dhuwur, karya drama ngisor: panjelasan kode, suntingan diangkah, mbenakake tumindake lan iterasi cepet. Microsoft claims Flash nawakake kinerja iso dibandhingke kanggo GPT-6 Luna lan Claude Haiku 5.5 - cilik, tingkat cepet saka saingan - ing 65 persen lan 20 persen saka biaya pamilike, diukur liwat telung benchmarks nargetake tugas coding rutin saben dina.

Pemisahan rong model kasebut nggambarake kepiye perusahaan nggunakake AI coding: bagean cilik saka tugas sing rumit, multi-jam, lan bagean perbaikan cepet, review lan perancah sing akeh banget. Rega ing tingkat pungkasan kanthi agresif yaiku volume - lan tagihan token - urip.

Perang Rega ing Coding Perusahaan

Konteks strategis angel dilalekake. Reuters nglaporake manawa Microsoft mbukak model kaya OpenAI lan Anthropic, lan katalog model perusahaan saiki kalebu transkripsi, swara, wicara realtime, generasi gambar, coding, garis Cyber ​​sing diterangake minangka pertahanan agen ing skala codebase, lan tingkat Thinking kanggo pertimbangan ahli. GeekWire menehi ciri pesen kasebut minangka Microsoft nyebutake model sing luwih murah lan bisa disesuaikan dhewe tinimbang gumantung karo mitra.

Kanggo industri AI, sinyal rega luwih penting tinimbang pathokan siji. Bantuan coding minangka beban kerja AI kanthi volume paling dhuwur ing perusahaan kasebut, lan yen kualitas cedhak-depan pancen kasedhiya ing 5 nganti 40 persen rega wates, ekonomi saben vendor alat pangembang - lan laboratorium sing adol model premium - bakal langsung ngalami tekanan. Microsoft, sing adol model kanthi skala liwat GitHub Copilot lan Azure, entuk luwih akeh tinimbang meh kabeh wong saka ngreset rega rega.

Apa Tegese kanggo Pangguna Copilot GitHub

Microsoft ujar manawa papat pathokan sing ndhukung klaim kasebut target tugas pengkodean perusahaan saben dina sing katon ing GitHub Copilot, sing minangka petunjuk sing paling jelas babagan model kasebut bakal mlebu dhisik. Yen MAI Code 2 lan Code 2 Flash disambungake menyang Copilot undakan, efek praktis kanggo mayuta-yuta pelanggan minangka basis biaya luwih murah saben tugas rampung - salah siji minangka apik wates kanggo Microsoft utawa minangka prices murah lan watesan panggunaan luwih kanggo pelanggan, gumantung carane competitive pasar assistant dadi.

Ana uga sudut infrastruktur. Microsoft wis ngentekake rong taun kepungkur kanggo mbangun kulawarga model MAI dhewe sebagian kanggo nyuda katergantungan marang OpenAI, mitra AI sing paling penting lan, saingan sing paling langsung. Saben token perusahaan sing ngarahake menyang model sing dibangun Microsoft tinimbang model partner minangka wates sing tetep Microsoft - lan negosiasi pengaruh bakal entuk wektu sabanjure istilah kemitraan dirembug maneh.

Apa MAI Code 2 nomer terus munggah ing njaba benchmarks milih Microsoft iku pitakonan mbukak. Nanging woro-woro kasebut nggawe siji perkara sing jelas: tahap kompetisi sabanjure ing perusahaan AI bakal dilawan babagan kinerja rega kanggo karya biasa, ora mung babagan kemampuan judhul.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →