目次

2026年11月17日(GitHub Changelog の JSON-LD 公開日時は 2026-11-17T18:01:45+00:00、すなわち北京時間 2026年11月18日 02:01:45、ページ上の日付表記は November 17, 2026;Microsoft AI 紹介ページは curl および Jina 経由で取得し、ページ日付は Nov 17, 2026、JSON-LD 公開日時は北京時間 11月18日 02:15:16;モデルカード PDF ヘッダーは 17 November 2026)、Microsoft と GitHub は GitHub Copilot に独自開発のコーディングモデル MAI Code 2 と MAI Code 2 Flash を同時投入しました。

GitHub Copilot のトークン従量課金(1 AI credit = $0.01 USD)を利用する開発者にとって、両モデルは「本格的なマルチファイル設計・デバッグ」と「高頻度・低コストの反復作業」を補完し合う位置づけです。各プランの月額料金や AI Credits の仕組み、過去のモデル一覧については、当サイトの GitHub Copilot 料金ガイド、GitHub Copilot AI Credits 解説、GitHub Copilot 既存モデル一覧、および GitHub Copilot 製品ハブ をご参照ください(なお、セキュリティ向けの MAI Cyber 1.1 Flash とは異なる製品ラインです)。

公式の位置づけと用途別の使い分け

MAI Code 2 を選ぶべき場面:Microsoft AI 紹介ページおよび GitHub Changelog によると、MAI Code 2 は本番導入に向けた実装、深いデバッグ(deep debugging)、複数ファイルにまたがる開発、リファクタリング、リポジトリ全体の推論(repository-wide reasoning)、フロントエンド UI 構築に適した汎用主力モデルです。モデルカード概要および第 1 節でも、最も複雑で長期にわたるタスク(most complex, long-horizon tasks)には MAI Code 2 が推奨されています。

MAI Code 2 Flash を選ぶべき場面:MAI Code 2 Flash は軽量かつ高コスト効率なモデルで、コード解説、ピンポイントな編集(targeted edits)、日常的なバグ修正、高速なイテレーションといった高ボリューム作業向けに設計されています。モデルカードでは低レイテンシと低サービングコストに最適化されている一方、複雑な長期タスクでは MAI Code 2 より性能が低く、より明確な指示が必要になる場合があると説明されています。

長期エージェントタスクに関する公式表記の違い:エージェント用途の記述については公式ソース間で表現が並立しています。GitHub Changelog では両モデルともエージェント型コーディングワークフロー向けに設計されたと記載され、モデルカードは複雑な長期タスクに MAI Code 2 を推奨していますが、Microsoft AI 紹介ページでは両モデルとも「基礎科学研究や超長期(very long horizon)のエージェント作業のような高難度問題にはまだ特別に調整されていない」と明記されています。

図 1 Microsoft AI 公式紹介ページに掲載された MAI Code 2 と MAI Code 2 Flash のメインビジュアル
図 1 Microsoft AI 公式紹介ページに掲載された MAI Code 2 と MAI Code 2 Flash のメインビジュアル

画像の出典:Microsoft AI 公式紹介ページ(introducing-mai-code-2-and-mai-code-2-flash)掲載画像。

Copilot 対象プラン・クライアントと提供チャネル

GitHub Copilot プラン別の利用可否:GitHub Changelog によると、MAI Code 2 は Copilot Pro、Pro+、Max、Business、Enterprise で利用可能(Free と Student は対象外)であり、MAI Code 2 Flash は Copilot Free、Student、Pro、Pro+、Max、Business、Enterprise の全プランに対応します。なお、同段落では「両モデルとも対象となる年額プラン(annual plans)のサブスクライバーに提供される」とも記載されており、GitHub Docs のプラン解説ページでは Free と Student におけるモデル利用は自動モデル選択(auto model selection)経由のみに限定されています。Business および Enterprise 環境では、管理者がグローバルのデフォルト有効化をオフにするか個別無効化しない限り自動的に有効になります。

対応クライアントと外部 API チャネル:両モデルは Visual Studio Code、Visual Studio、Copilot CLI、GitHub Copilot cloud agent、GitHub Copilot app、github.com、GitHub Mobile(iOS・Android)、JetBrains、Xcode、Eclipse のモデルピッカーから選択できます。Copilot 以外の提供経路として、モデルカード第 2.3〜2.4 節では両モデルともローカル重みを配布しないクラウドホスト型サービスであり、MAI Code 2 Flash のみが Microsoft Foundry にて限定アクセスプレビュー(limited-access preview)の OpenAI 互換 Responses API として提供されると説明されています(Foundry の公開単価や申請リンクは未公表)。紹介ページでは今後 Open Router、Vercel、Hermes、Open Code、Kilo にも展開予定と記載されています。

GitHub Copilot 公式トークン単価と 2027年5月17日までのプロモーション期間

GitHub Docs の公式料金表(models-and-pricing.md、すべて 100 万トークンあたりの価格、Microsoft 表にはロングコンテキスト割増枠なし)によると、両モデルは 2027年5月17日まで プロモーション価格で提供され、2027年5月17日以降 に通常価格へ移行します(脚注原文の until May 17, 2027 および Starting May 17, 2027 にはタイムゾーンや時刻の記載はありません):

MAI Code 2(カテゴリ:Powerful):2027年5月17日までのプロモーション価格は入力 $0.50 / 100万トークン、キャッシュ入力 $0.025 / 100万トークン、出力 $2.50 / 100万トークンです。2027年5月17日以降は入力 $1.00、キャッシュ入力 $0.05、出力 $5.00(各 100万トークンあたり)となります。

MAI Code 2 Flash(カテゴリ:Lightweight):2027年5月17日までのプロモーション価格は入力 $0.05 / 100万トークン、キャッシュ入力 $0.005 / 100万トークン、出力 $0.25 / 100万トークンです。2027年5月17日以降は入力 $0.10、キャッシュ入力 $0.01、出力 $0.50 となり、プロモーション期間中・終了後とも MAI Code 2 のちょうど 10 分の 1 の単価に設定されています(旧モデルの MAI-Code-1.1-Flash は別途 $0.20 / $0.02 / $1.20 で掲載されており、5月17日のプロモーション脚注はありません)。

共通技術仕様と公式ベンチマーク結果の参照

コンテキスト長と推論エフォート設定:モデルカードによると、両モデルは Microsoft がゼロから事前学習・事後学習を行ったデコーダ専用スパース MoE Transformer に統合ビジョンエンコーダを組み合わせた構成で、テキストと画像の入力(上限 922,000 トークン)およびテキスト出力(上限 128,000 トークン)、合計 1,050,000 トークン のコンテキスト長(本文では 1M トークン拡張とも表記)を備えています。知識カットオフは 2026年8月で、リリース時点では英語のコード生成に最適化されています。推論強度は low、medium、high、xhigh、max の 5 段階を設定できますが、第 2.7 節第 6 項では高設定にするとレイテンシとトークン消費が増加し、必ずしも結果が向上するとは限らないと注意喚起されています。パラメータ数は、モデルカード概要表では MAI Code 2 が 50B-100B(アクティブ 80B)・Flash が 5B-15B(アクティブ 12B)、第 1 節本文では Code 2 が総パラメータ約 2.8 兆(アクティブ 77B・埋め込み 3B)・Flash が総パラメータ約 3,980 億(アクティブ 12B)と記載されています。

公式ベンチマーク数値:モデルカード第 3 節(MSBench 上で GitHub Copilot CLI 1.0.102 を使用、サブエージェント無効、max 推論設定、各タスク 3 回独立実行の平均単発合格率)では、DeepSWE 1.1 で MAI Code 2 が 73.2%・Flash が 59.9%、TerminalBench 2.1 で Code 2 が 84.6%・Flash が 78.3%、SWE Atlas では Flash が 44.8%・Code 2 が 43.1% となっています。また Microsoft AI 紹介ページでは、Artificial Analysis の FrontierCode v1.1 を含む 4 ベンチマーク平均(max 推論設定および 50% プロモーション価格前提)において、MAI Code 2 が GPT 6.1 Sol の 98% の性能を 40% のコストで、Claude Opus 5.5 の 96% の性能を 5% のコストで達成し、フロントエンド UI のブラインド比較では 64% が MAI Code 2 を支持したと報告されています。MAI Code 2 Flash は 3 ベンチマークで GPT-6 Luna および Claude Haiku 5.5 と同等の性能をそれぞれ 65% と 20% のコストで実現するとされています(MAI Code 2 モデルページでは別途、Claude Haiku 5.5 比で 1/5 のコストかつ 12% 高い性能と表記)。