AI coding · 96% 的性能、5% 的成本:微软这张对账单,得连着脚注一起读
AI coding · 96% 的性能、5% 的成本:微软这张对账单,得连着脚注一起读
口径自查:96%/5% 是微软官方口径,基准为 Claude Opus 5.5,成本是四项基准的每任务平均成本、双方都开 max 推理档、自家价格按五折促销价计;Reuters 只写了「接近竞品性能、成本大幅更低」,没有引用这两个百分数。以下按出处分层行文。
十一月十七日,Ignite 2026 开幕第一天,微软把自家编码模型 MAI Code 2 和 MAI Code 2 Flash 一起挂上了官网。官方那句话写得相当锋利:MAI Code 2 能给你 GPT-6.1 Sol 的 98% 性能、只收 40% 的钱;能给你 Claude Opus 5.5 的 96% 性能、只收 5% 的钱。一句话同时点了 OpenAI 和 Anthropic 两家的名。
5% 这个数怎么来的,官方图表给了原料。四项基准、双方都开 max 推理档,算每任务平均成本:Opus 5.5 平均每任务 $6.31,MAI Code 2 平均 $0.31——比值正好 4.9%。分数那边,四项平均 63.2 对 65.3,96.8%。数字对得上,但有两处小字得翻出来:一是 MAI 自己的价格按五折促销价算,评论区有人算了笔账,去掉促销,5% 变成 10% 上下;二是四项基准里有个例外——SWE Atlas 这个真实仓库基准上,Opus 5.5 拿了 57.5%,MAI Code 2 只有 43.1%,差了约 14 个百分点。平均数把这一项抹平了。
三条柱依次是 MAI Code 2、GPT-6.1 Sol、Opus 5.5。看得出来,前三项微软咬得很紧,第四项 SWE Atlas 是唯一被明显甩开的。也留意一下选基准这件事本身:官方没有用业界最常用的 SWE-bench Verified;FrontierCode 那一列的分数与成本来自第三方 Artificial Analysis,不是微软自测。
模型本身,官方模型卡第二页写得很具体:MAI Code 2 总参数约 2.8 万亿、每次激活约 770 亿,外加 30 亿嵌入参数,预训练约 50 万亿 token,稀疏 MoE 带视觉编码器,上下文窗口 105 万——输入 92.2 万、输出 12.8 万。Flash 版约 3980 亿总参、激活 120 亿,由更大的自研 MAI 教师模型做 logit 蒸馏,预训练 25 万亿 token,从零自训。有意思的是模型卡第一页的摘要行写着 500 亿到 1000 亿(激活 800 亿),跟第二页的 2.8 万亿总参自相矛盾——官方文档自己先打了一架,这个坑建议引官方数字时一律走第二页。
训练方法里有一条挺少见的坦白:强化学习不是在沙盒里跑的,直接跑在生产环境的 GitHub Copilot CLI 和 VS Code 智能体框架里,让离线评测的提升直接迁移到真实工作流。Flash 的蒸馏配方则顺着家族树往下淌——同族衍生出的 MAI Work Flash 已经在 Word 和 Teams 里服役,官方口径是 Word 场景比 GPT-6.1 Sol 少吃约 42% 输入 token。编码模型练出来,全Office 家桶跟着喝汤。
CEO Nadella 这次没出面站台,出面的是 Microsoft AI 的 Suleyman。他对 Reuters 说的那句被引得最多:这不只是一个模型,是一台我们造出来的爬山机,同时优化性能与价格。爬山这个词选得准——从 2025 年 8 月第一个基座公测,到 2026 年 6 月第一个编码模型,再到这一代,微软的路径确实是小步快爬,每代都把上代的配方整个继承下来再加码。
HN 评论区的火力集中在三处。基准版本存疑:有人翻出更新的 Terminal-Bench 4.0 口径,称 MAI Code 2 只有 26.3 分,被开源模型压过一头(这条是评论者自述,未经独立核实,姑且听之);对比对象存疑:官方图表只跟 GPT 和 Claude 比,DeepSeek、Qwen 这些开源阵列一个都没上;价格口径存疑:促销价计入对比,等于自己给自己打折。也有缓和的声音:敢把基准明着对标头部、把每任务成本表贴出来,这份透明已经比大多数厂商强。
说到底,这一代 MAI Code 2 的位置可以这么概括:前三项标准编码基准上,它真的摸到了旗舰档的下沿,价格战是真的在打;但真实仓库长任务上那 14 个百分点的差距说明,平均 96% 和处处 96% 不是一回事。爬山机还在爬,只是山的形状,得连脚注一起看。
信源:microsoft.ai 官方公告与模型卡 PDF(十一月十七日)、Reuters(经 US News 全文转载)、Artificial Analysis、Hacker News 讨论区。