微軟釋出MAI Code 1.1 Flash，仍落後OpenWeight替代方案

微軟釋出MAI Code 1.1 Flash，仍落後OpenWeight替代方案

微軟最近釋出了MAI Code 1.1 Flash，一款為GitHub Copilot設計的代碼模型（Code Model）。然而，當微軟的MAI模型在價格和性能上仍然落後於OpenWeight替代方案時，很難理解微軟為何仍然堅持發展自己的模型。值得注意的是，微軟一直聲稱自己是OpenWeight的忠實粉絲。

根據微軟的說法，新的MAI Code 1.1 Flash模型可以寫出更好的代碼，且在令牌效率（Token Efficiency）上提高了25%，而其成本也比六月份的前身減少了四分之一。此外，開發人員接受了4%更多的輸出結果。這個模型的訓練過程中，涉及了數十萬個強化學習環境（Reinforcement-Learning Environments）在GitHub Copilot中。經過Benchmark測試，MAI Code 1.1 Flash在某些方面超越了其前身以及來自Anthropic和OpenAI的mini模型，但是仍然不敵Deepseek-V4-Flash-0731。

性能和價格的比較

雖然MAI Code 1.1 Flash看起來像是一個預算模型，但它在價格和性能上仍然落後於更強大的Deepseek。雖然每個令牌的成本不能告訴我們整個故事，但是在效率方面，Deepseek的優勢可能是相當顯著的。這可能是微軟在模型卡中隱藏Benchmark結果，並且只在官方公告中宣布與其前身相比的模糊改進指標（如「代碼存活率上升4%和返回訪問增加9%」），而不進行直接比較的原因。

這一切與微軟近期試圖將自己塑造成開放AI冠軍的努力不符。與其使用更強大、免費的替代方案如Deepseek-V4-Flash，微軟卻將資源投入到一個較弱、更昂貴的專有模型中，而這個模型不太可能會有一個開放權重的版本。

未來展望

微軟這種行為可能是出於與最近的Copilot改變相同的原因，即為了削減成本而更換了OpenAI和Anthropic的模型，轉而使用自己更便宜的MAI替代方案。這種取捨導致了性能的下降，但提高了利潤率。MAI Code 1.1 Flash符合這一模式：在微軟生態系統中的客戶仍然可以根據應用程序和用例從不同的模型中進行選擇，但微軟最終很可能會將自己的模型設為默認選項。這本身就會佔據市場的大部分份額，因為大多數用戶不會主動選擇特定的AI模型。

微軟的這一系列動作，表明了其在AI領域的戰略佈局和商業考量。然而，對於開發人員和用戶來說，選擇最適合自己需求的模型，無論是微軟自己的MAI系列還是其他第三方選擇，將是未來的一個重要課題。隨著AI技術的不斷發展和應用，市場的需求和反饋將是微軟和其他AI技術提供商繼續前進的動力。