MAI-Code-1-Flash

原文 ↗ Hacker News 讨论 ↗

模型定位与能力

  • MAI-Code-1-Flash 被描述为一款“flash”编程模型，竞争对象是 Anthropic 的 Claude Haiku 4.5，而不是 Sonnet/Opus 级别的模型。
  • 据报告的得分：在 SWE-Bench Pro 上约为 51%，在 Microsoft 的 VS Code harness 中的 Terminal-Bench 2.0 上约为 55%。
  • 多位评论者指出，Gemma 4 26B 和 Qwen 3.6 35B/27B 以更少的活跃参数也能达到相近或更好的分数。

模型规模与架构

  • 澄清后该模型总参数为 137B，其中“活跃”参数为 5B（Mixture-of-Experts）。
  • 一些人批评最初强调“5B”可能具有误导性，因为总规模以及与更小但更强模型的比较并不一致。

基准测试与评估争议

  • 围绕该模型是否可能在 SWE-Bench Pro 上训练过或对其过拟合展开争论；其他人则指出技术报告中明确的“decontamination”章节，并认为这一问题已被处理。
  • 有人认为 Microsoft 在比较时刻意挑选了 Haiku，而忽略了更强的小模型（Qwen、Gemma、GPT‑5.4 mini、DeepSeek 等）。
  • 也有人提醒，公开基准未必能反映真实世界表现，而且单任务成本和延迟与 pass@1 同样重要。

定价与 Copilot 背景

  • Copilot 文档将 MAI-Code-1-Flash 标价为 $0.75 / $0.075 / $4.50（输入 / 缓存 / 输出），比 Haiku 略便宜。
  • 多位评论者对 Copilot 近期从固定/按请求计费转向按 token 计费感到不满，并认为该模型是这一策略的一部分。
  • 也有人表示，通过其他提供商提供的更便宜/开源模型，或者本地部署，现在已经能获得更高性价比。

使用场景、工作流，以及小模型与大模型

  • 许多人描述的工作流是：强模型负责规划/架构，小模型负责执行、审查或处理窄范围任务。
  • 观点分歧明显：有人认为小模型“已经足够好”且便宜得多；也有人说在复杂代码库中，修正它们花费的时间仍比节省的更多。
  • 几位评论者认为，这个模型更可能作为多智能体系统中的 Haiku 级后端有用，而不是主要的编程助手。

训练数据与开放性

  • Microsoft 声称使用了“干净、适当授权的数据”，并过滤了 AI 生成内容；有人认为这是一个重要差异点，另一些人则在没有数据集清单的情况下仍持怀疑态度。
  • 令人失望的是，该模型并未开放权重，尤其是与此前的 Phi 模型以及正在出现的大型开源模型相比。

网站与品牌反馈

  • 对产品页的滚动劫持和糟糕的 UX 反应强烈负面。
  • 一些人认为 MAI 的品牌和设计语言带有明显模仿痕迹，并且相对于实际性能提升而言营销过度。