MAI-Code-1.1-Flash 进了 Copilot：AI 编程模型开始比谁更省
8 月 11 日，微软把 MAI-Code-1.1-Flash 放进 GitHub Copilot。微软给出的关键词是“small-tier coding workhorse”，重点落在高频、交互式、能连续跑工具的工作流上，参数表退到了后面。
8 月 11 日，微软把 MAI-Code-1.1-Flash 放进 GitHub Copilot。微软给出的关键词是“small-tier coding workhorse”，重点落在高频、交互式、能连续跑工具的工作流上，参数表退到了后面。
先把账算清
微软 AI 公告给出的几组数字很直接：
- Terminal-Bench 2.1（GitHub Copilot CLI）提升 22%；
- .NET 任务提升 15%；
- 代码能顺利走到 commit 阶段的“代码存活率”提高 4%，回访率增加 9%；
- token 流速快 25%，完成同一任务所需 token 少 25%；
- 相对上一代，供应商标价降为 四分之一。
这里的“便宜”有两个口径。官方把 1.1-Flash 的价格写成上一代的四分之一，同时 GitHub 公告说明年付用户按 0.25× premium request multiplier 计费，具体仍要看 Copilot 的实际套餐和请求类型。读新闻时不能只截“四分之一”三个字，便把它理解成所有用户的总价都自动变成 25%。
模型能力藏在工作流里
视觉输入是这次更新最容易看见的变化。Agent 现在可以先看截图、图表、错误页面，再决定改哪段代码。它解决的是“上下文”的一部分：代码、图像、操作记录和工具调用需要被放在同一个循环里。
成本与速度同时改善，才是这次更新最硬的信号。对普通聊天，价格低一点只是少花几美元；对会在仓库里反复读文件、跑测试、开多个 session 的 agent，每一轮少 25% token，累计差异会直接落到任务预算和响应延迟上。微软称训练和推理效率来自数十万计的 Copilot 强化学习环境，这类“在真实运行轨迹上回炉”比把一个静态 benchmark 拉高几分更像产品路线。
当然，公告里的 Terminal-Bench、.NET 和生产指标都来自微软自己的评测体系。公开材料没有给出每个测试的完整复现实验、上下文长度、工具失败率和按任务类型的成本，22% 不能外推为所有代码任务都变快 22%。代码存活率也不是“修 bug 更准”的同义词，它只说明生成的改动通过了更多后续检查。
编码工具的下一道题
这件事真正推动的，是编程模型评价标准的迁移。模型参数仍重要，但 agent 的成本由一串动作决定：读仓库、列计划、改文件、调用工具、检查 diff、跑测试、修复失败。少做一轮无效循环，比多会一道面试题更值钱。
Copilot 把 1.1-Flash 铺到 CLI、云端 agent、IDE 和移动端，等于把“低价快速模型”放进了同一条软件交付链。它不会自动替代高推理模型：复杂架构、安全审计和长链路迁移仍需要更强的模型反复核验。较合理的分工是，让小模型承担大量读、改、测的周转，把高成本模型留给高风险决策。
接下来最值得观察的，是企业是否真的把它接入固定工作流，并公开记录“一次任务用了多少 token、花了多少分钟、失败后是否需要人工接手”。排行榜再进几名，反倒是小事。这才是 coding agent 的生产率。
来源与可复核链接
1. Microsoft AI：MAI-Code-1.1-Flash 官方公告 https://aka.ms/mai-code-1.1-flash 2. Microsoft MAI-Code 官方仓库 https://github.com/microsoft/MAI-Code 3. GitHub Copilot 上线公告 https://github.blog/changelog/2026-08-11-mai-code-1-1-flash-available-in-github-copilot
讨论回复（1）
原帖说清 5 个数字(22%、15%、4%、9%、25%),补几条没点透的:
① "1/4 价格"是个被营销话术掩盖的双重价格。原帖转述官方"$0.20 / 1M input(缓存 $0.02) / $1.20 output",对比 1-Flash 的 $0.75 / $0.075 / $4.50——input 降 73%、output 降 73%,完全符合"1/4"。但对个人 Copilot 用户来说,这只是 list price 维度;真实账单还要看 GitHub 的 0.25× premium request multiplier——这条对年付 Copilot 用户的 premium request 计数才是真省钱。原帖提到"具体仍要看 Copilot 实际套餐",但没点破:这个 0.25× 是 2026 年 7 月微软 Copilot 全面重定 premium request 倍率后,MAI-Code-1.1-Flash 是第一个享受"低于 1.0× 倍率"的小型模型——它把"小模型 < 1× 倍率"这条路走通了,意味着未来 Phi 系列、MAI-Image-2.6 都有机会走这条路。
② 训练数据源被微软藏起来了。原帖说"训练和推理效率来自数十万计 Copilot 强化学习环境"——但没点破这意味着 1.1-Flash 是用 Copilot 真实用户交互数据训练的(匿名化后),跟 1-Flash 的"通用代码语料 + benchmark RL"路线不同。这条在 MAI-Cyber-1-Flash(预计 9 月发布)会复用同一种"产品训练数据"逻辑——微软在用 Copilot 自己做 RL 训练数据集,这是 OpenAI/Anthropic 都没在公开材料里这么直接说出来的。
③ "5B 激活参数"这个数字微软没在 1.1-Flash 公告里说,但 1-Flash 6 月公告明确过(5B 激活 + 整体未公开)。1.1-Flash 训练基座可能完全不同——原帖说"builds on MAI-Code-1-Flash",但 byteiota 报道和 Machine Herald 报道都明确:"Microsoft didn't publish parameter count for 1.1-Flash"——这条猜测要保守。从性能跃升 22% 来看,1.1-Flash 很可能不是 5B 级别的简单升级,可能是基于 1-Base(全量模型)蒸馏的产物,或者是 5B 但 RLHF/SFT 阶段换配方。
④ "1.1-Flash 是 Microsoft 在跟 GLM-5.2 / Kimi K3 抢市场"这条 IT 之家 8-12 原文里的"低 1/4 价格"动机被原帖略过了。新浪报道点破:GLM-5.2(智谱)和 Kimi K3(月之暗面)在 Copilot Marketplace 上 7-8 月已经把价格打到了 $0.15/1M input,微软必须用 1.1-Flash 把价格压回去。这条对国内 AI 编码工具有一个隐含意义:"模型市场是买方市场"——头部 SaaS(微软、Cursor、Claude Code)会用压价/收购/自研三件套把独立模型供应商(Slash/Continue/Devin)排到生态边缘。GLM-5.2/Kimi K3 抢到了 6-7 月的 Copilot Marketplace 红利,但 8-11 月微软用 1.1-Flash + 9-10 旧版下线 + 2026-12 GPT-5.6 Luna 重新夺回了定价权。
⑤ "0.25× premium request multiplier"对中国出海 SaaS 是个坏消息。原帖说"年付用户按 0.25×",但没说微软这个倍率对所有 Copilot 用户的"性价比锚"是一次重定义——之前小模型默认是 0.5×(Gemini 3.7 Flash、MAI-Image-1.5),现在 1.1-Flash 把 0.25× 这个档位打开,意味着 Copilot 的"低倍率竞争"将进入 0.25× 区间。对国内出海编码工具(CodeGeeX、Codigger、Cline 中国版)来说,他们之前对标的"0.5× 微软小模型"定价空间被压缩到 0.25×,这是 2026 Q3 SaaS 出海定价模型的一次隐形底板下移。
下一步最该盯:GitHub Copilot Marketplace 上 1.1-Flash 和 GLM-5.2 / Kimi K3 的"开发者使用份额"是否真的此消彼长——份额数据才是"1/4 价格战"是否奏效的硬指标,而不是公告里的"73% 降价"。