本文目錄

美國時間 2026 年 11 月 17 日(GitHub Changelog JSON-LD 發布時間為 2026-11-17T18:01:45+00:00,即北京時間 2026 年 11 月 18 日 02:01:45,頁面可見日期為 November 17, 2026;Microsoft AI 專頁透過 curl 直連與 Jina 核驗,可見日期為 Nov 17, 2026,JSON-LD 發布時間為北京時間 11 月 18 日 02:15:16;官方模型卡 PDF 頁首署期為 17 November 2026),Microsoft 聯合 GitHub 在 GitHub Copilot 中同步上線了兩款自研程式設計模型——MAI Code 2 與 MAI Code 2 Flash。

對於日常在 GitHub Copilot 中按 token 消耗(1 AI credit = $0.01 USD)使用模型的開發者而言,兩款模型形成了清晰的「主力深度工程 vs. 高頻輕量迭代」階梯。如需查閱 Copilot 方案月費、AI Credits 計費機制或歷史模型列表,可參閱站內 GitHub Copilot 價格總覽、GitHub Copilot AI Credits 詳解、GitHub Copilot 早期模型清單 以及 GitHub Copilot 產品主頁(另需注意二者與安全掃描模型 MAI Cyber 1.1 Flash 屬於不同產品線)。

官方定位與適用場景對比

什麼時候優先選 MAI Code 2:根據 Microsoft AI 介紹專頁與 GitHub Changelog,MAI Code 2 定位為通用的主力程式設計模型,擅長將程式碼推進至生產環境、深度除錯(deep debugging)、跨多檔案實作、程式碼重構、全儲存庫級推理(repository-wide reasoning)以及前端 UI 構建。官方模型卡摘要與第 1 節亦建議在最複雜、長週期任務(most complex, long-horizon tasks)中優先選用 MAI Code 2。

什麼時候優先選 MAI Code 2 Flash:MAI Code 2 Flash 定位為輕量級、高性價比模型,專為高頻工作負載打造,適合程式碼解釋、局部精準修改(targeted edits)、常規 Bug 修復與快速迭代。模型卡指出其針對低延遲與低推理成本進行了最佳化,在複雜長週期任務上的能力弱於 MAI Code 2,往往需要更明確的提示詞引導。

官方不同頁面的適用邊界說明:需要注意官方不同文件對「長週期代理任務」的並行表述:GitHub Changelog 寫明兩款模型均面向代理式程式設計工作流(agentic coding workflows),模型卡將 MAI Code 2 推薦用於複雜長週期任務,而 Microsoft AI 專頁則同時註明兩款模型「尚未針對基礎科學研究以及超長週期代理任務(very long horizon agentic work)進行專門調優」。開發者在拆解跨天級大型重構時仍需合理控制任務粒度。

圖 1 Microsoft AI 官方發布的 MAI Code 2 與 MAI Code 2 Flash 宣傳主圖
圖 1 Microsoft AI 官方發布的 MAI Code 2 與 MAI Code 2 Flash 宣傳主圖

圖片來源:Microsoft AI 官方介紹頁(introducing-mai-code-2-and-mai-code-2-flash)視覺素材,僅作官方產品定位展示。

Copilot 方案權限、用戶端與分發管道差異

Copilot 訂閱方案涵蓋範圍:根據 GitHub Changelog,MAI Code 2 面向 Copilot Pro、Pro+、Max、Business 與 Enterprise 開放(未列入 Free 與 Student);而 MAI Code 2 Flash 則同時涵蓋 Copilot Free、Student、Pro、Pro+、Max、Business 與 Enterprise。Changelog 同段同時註明兩款模型面向符合條件的年付方案(annual plans)訂閱者開放,而 GitHub Docs 方案頁補充說明 Copilot Free 與 Student 僅能透過自動模型選擇(auto model selection)存取模型且未在模型表中單列 Free/Student 欄。對於 Business 與 Enterprise 工作區,除非管理員關閉全域預設或單獨停用,新模型在預設策略下會自動啟用。

支援的用戶端與外部 API 管道:兩款模型均已進入 Visual Studio Code、Visual Studio、Copilot CLI、GitHub Copilot cloud agent、GitHub Copilot app、github.com、GitHub Mobile(iOS 與 Android)、JetBrains、Xcode 與 Eclipse 的模型選擇器。在 Copilot 之外,模型卡第 2.3 至 2.4 節說明兩者均為不發放本地權重的雲端託管模型,其中 MAI Code 2 Flash 還在 Microsoft Foundry 提供有限存取預覽(limited-access preview)API(經由相容 OpenAI 的 Responses API 呼叫,目前未公布 Foundry 公開目錄價與申請入口)。專頁另提及即將登陸 Open Router、Vercel、Hermes、Open Code 與 Kilo(尚未正式上架)。

GitHub Copilot 官方 token 單價與 2027 年 5 月促銷視窗

根據 GitHub Docs 官方計費文件(models-and-pricing.md,所有價格均按每 100 萬 tokens 計價,Microsoft 表格未設獨立長上下文加價檔),兩款模型目前均執行半價促銷,並將於 2027 年 5 月 17 日 恢復標準目錄價(官方註腳原文使用 until May 17, 2027 與 Starting May 17, 2027,未標註具體時區與鐘點):

MAI Code 2(Powerful 類別):2027 年 5 月 17 日前促銷價為輸入 $0.50 / 百萬 tokens、快取輸入 $0.025 / 百萬 tokens、輸出 $2.50 / 百萬 tokens;自 2027 年 5 月 17 日起調整為輸入 $1.00 / 百萬 tokens、快取輸入 $0.05 / 百萬 tokens、輸出 $5.00 / 百萬 tokens。

MAI Code 2 Flash(Lightweight 類別):2027 年 5 月 17 日前促銷價為輸入 $0.05 / 百萬 tokens、快取輸入 $0.005 / 百萬 tokens、輸出 $0.25 / 百萬 tokens;自 2027 年 5 月 17 日起調整為輸入 $0.10 / 百萬 tokens、快取輸入 $0.01 / 百萬 tokens、輸出 $0.50 / 百萬 tokens。從目錄單價來看,MAI Code 2 Flash 的輸入、快取與輸出單價均為 MAI Code 2 的十分之一(注意:同表中的舊款 MAI-Code-1.1-Flash 標價為 $0.20 / $0.02 / $1.20,無 2027 年 5 月促銷註腳)。

共享技術架構與官方評測基準參考

上下文視窗與推理檔位:根據官方模型卡,兩款模型均由 Microsoft 從零預訓練與後訓練,採用解碼器僅限 Transformer + 稀疏混合專家(sparse MoE)架構並整合視覺編碼器,支援文字與圖像輸入、文字輸出。兩者均提供 1,050,000 tokens 上下文長度(輸入上限 922,000 tokens,輸出上限 128,000 tokens,內文亦稱支援擴展至 1M 上下文),知識截止日期為 2026 年 8 月,發布時僅針對英文程式碼生成進行了最佳化。模型支援設定 low、medium、high、xhigh 與 max 五檔推理力度(reasoning effort),模型卡第 2.7 節第 6 條提醒更高檔位會增加延遲與 token 消耗且並不總是提升結果。參數規模方面,模型卡摘要表列出 MAI Code 2 為 50B–100B(80B 激活)、Flash 為 5B–15B(12B 激活),第 1 節內文則寫明 Code 2 約 2.8 兆總參數(77B 激活 + 3B 嵌入)、Flash 約 3980 億總參數(12B 激活)。

官方披露的基準表現:在模型卡第 3 節的 MSBench 基準測試中(使用 GitHub Copilot CLI 1.0.102、停用 subagents、max 推理檔位、每項任務三次獨立執行的平均單次通過率),MAI Code 2 在 DeepSWE 1.1 上達到 73.2%(Flash 為 59.9%),在 TerminalBench 2.1 上達到 84.6%(Flash 為 78.3%),而在 SWE Atlas 上 Flash 為 44.8%、MAI Code 2 為 43.1%。Microsoft AI 專頁另在 max 推理檔位與 50% 促銷價假設下給出四項基準均值(含 Artificial Analysis 的 FrontierCode v1.1):MAI Code 2 達到 GPT 6.1 Sol 性能的 98%(成本 40%)以及 Claude Opus 5.5 性能的 96%(成本 5%),前端盲測中 64% 評審更偏好 MAI Code 2;MAI Code 2 Flash 在三項基準上達到與 GPT-6 Luna 和 Claude Haiku 5.5 相當的性能,成本分別為後兩者的 65% 與 20%(模型頁另提及相對 Haiku 5.5 為 1/5 成本且性能高 12%)。以上均為官方在特定假設下的評測口徑,實際體驗隨程式碼庫規模與推理檔位設定而異。