Microsoft выпустила обновление MAI Code 1.1 Flash, но модель все еще уступает DeepSeek

Корпорация Microsoft представила обновленную модель MAI Code 1.1 Flash, предназначенную для интеграции в GitHub Copilot. Согласно сообщению профильного ресурса The Decoder, новинка позиционируется как более быстрая и экономичная замена предыдущим решениям, однако при прямом сравнении с конкурентами её рыночные перспективы выглядят неоднозначно.

Разработчики заявляют, что свежая итерация модели на 25% эффективнее расходует токены и обходится в четыре раза дешевле версии, выпущенной в июне. В процессе обучения использовались сотни тысяч сред обучения с подкреплением (reinforcement learning) внутри экосистемы GitHub Copilot. Это позволило добиться скромного, но заметного прогресса: показатель принятия кода (acceptance rate) пользователями вырос на 4%.

Производительность на фоне открытых решений

Несмотря на внутренние улучшения, в независимых тестах MAI Code 1.1 Flash едва обходит мини-модели от Anthropic и OpenAI, существенно уступая китайской разработке DeepSeek-V4-Flash-0731. В бенчмарке Terminal Bench 2.1 решение от Microsoft набирает 62,9%, в то время как DeepSeek демонстрирует внушительные 82,7%. Такая разница в синтетических тестах заставляет задуматься о реальной эффективности проприетарного подхода.

Интересно, что Microsoft предпочла не акцентировать внимание на прямых сравнениях с внешними игроками в официальном анонсе. Вместо этого компания сфокусировалась на метриках «выживаемости кода» и частоте повторных визитов пользователей. Детальные данные бенчмарков оказались скрыты в технической документации (model card), что часто случается, когда цифры не позволяют заявить о безусловном лидерстве.

Экономика токенов и стратегия платформы

С точки зрения ценообразования, новая модель выглядит привлекательнее предшественников, но всё еще проигрывает DeepSeek. Если стоимость вывода (output) у MAI Code 1.1 Flash составляет $1,20 за миллион токенов, то конкурент предлагает аналогичный объем за $0,28. Для крупных компаний, чей код генерируется в промышленных масштабах, такая разница в цене может стать решающим фактором при выборе инфраструктуры.

Попытка Microsoft заменить топовые модели OpenAI собственными легковесными решениями MAI напоминает экономию на спичках при строительстве дата-центра. Стратегическая ставка на маржинальность вместо чистой производительности создает риск технологического отставания: пока открытые веса DeepSeek демпингуют рынок, проприетарная экосистема Azure замыкается сама на себе. В итоге пользователи получают ‘достаточно хороший’ инструмент вместо лучшего, становясь заложниками вендор-лока внутри собственного IDE.

Подобная стратегия вписывается в общую логику развития GitHub Copilot. Постепенный отказ от моделей сторонних разработчиков в пользу собственных MAI-альтернатив позволяет Microsoft контролировать расходы и увеличивать прибыль. Большинство пользователей редко меняют настройки ИИ-помощника по умолчанию, что гарантирует внутренним моделям компании огромную аудиторию, даже если они не являются технологическими лидерами сегмента.

В конечном счете, MAI Code 1.1 Flash выглядит как добротный продукт для массового рынка, оптимизированный под облачную инфраструктуру Azure. Однако для тех, кто ищет максимальную производительность за минимальные деньги, мир OpenWeight-моделей сегодня предлагает куда более заманчивые альтернативы, которые Microsoft, при всей своей публичной любви к открытости, пока не спешит интегрировать в качестве основных.