# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Microsoft AI (@MicrosoftAI) · 平台：X (Twitter) · 日期：2026-06-04

> 原始來源：https://x.com/MicrosoftAI/status/2062213979368280556

## 中文摘要

Microsoft 推出 MAI-Code-1-Flash 提升程式開發效率。

**核心產品與定位**
Microsoft 正式發布「MAI-Code-1-Flash」，這是一款專為 GitHub Copilot 開發者工作流程所設計的輕量級程式撰寫模型。該模型目前已開始向 Visual Studio Code 中的 GitHub Copilot 個人版使用者推送，使用者可透過模型選擇器（model picker）手動選取，或由系統預設的自動選擇器（auto picker）進行調度。此模型強調「端到端」的開發過程，並使用經過授權的乾淨資料進行訓練，旨在提供更高效的程式輔助體驗。

**技術特點與效能**
MAI-Code-1-Flash 的核心優勢在於其「自適應思考（adaptive thinking）」能力，能根據任務複雜度動態調整推理預算：
- 針對簡單請求保持簡潔輸出，減少冗餘。
- 針對複雜工程挑戰則投入更多推理資源，確保程式碼品質。
- 具備強大的指令遵循能力，適用於單輪與多輪對話場景。
- 針對 GitHub Copilot 的 harness 進行專門調校，使其能更精準地與開發環境中的工具及系統互動，實現更流暢的 Agentic 程式開發。

**基準測試表現**
根據 Microsoft 的測試數據，MAI-Code-1-Flash 在多項核心程式撰寫基準測試中超越了 Claude Haiku 4.5：
- 在「SWE-Bench Pro」測試中，以 51.2% 的成功率領先 Claude Haiku 4.5 的 35.2%。
- 展現出極高的成本效益，在解決複雜問題時，所需 token 數量減少達 60%，有效降低延遲並提升單位 token 的價值。
- 在「IF Bench」精確指令遵循測試中，領先幅度高達 28.9 個百分點。
- 除了程式撰寫，該模型在數學、科學推理及視覺生成程式碼等領域的表現亦優於 Claude Haiku 4.5。

**開發與應用場景**
Microsoft 強調該模型並非僅為了刷榜而生，而是以實際生產環境為核心進行訓練。開發團隊利用源自真實 GitHub Copilot 使用情境的資料進行訓練與評估，確保模型能處理程式庫問答、重構及遙測相關任務。此外，Microsoft 也展示了結合「MAI-Transcribe」與「MAI-voice」模型的語音程式撰寫示範，實現「語音輸入、程式碼輸出」的開發流程。

**使用說明**
目前 MAI-Code-1-Flash 正逐步向 GitHub Copilot 的 Free、Pro、Pro+ 及 Max 方案使用者開放。使用者無需額外設定，即可在 Visual Studio Code 的模型選擇器中找到該選項，或透過自動選擇器由系統自動分配。Microsoft 鼓勵開發者透過 [GitHub Community](https://msft.it/6014vjlfa) 分享使用回饋，以利後續模型優化。

## 標籤

新產品, 功能更新, Copilot, IDE, Microsoft, GitHub, Copilot