MAI Code 2 和 Code 2 Flash

Microsoft 新推出的 MAI Code 2 和 Code 2 Flash 旨在以远低于对手的价格,与 OpenAI 和 Anthropic 的顶级专用编码助手竞争,Microsoft 声称它们在 DeepSWE 和 Terminal Bench 等基准上已接近同级。评论者对潜在成本节省很感兴趣,但也质疑使用旧版基准、与 DeepSeek 和 Qwen 等领先中国模型相比的真实差距,以及企业是否真的会从既有供应商转向它们。许多人还批评 Microsoft 分散而不透明的产品与定价叙事——尤其是 GitHub Copilot 和 Azure 的访问方式——认为易用性、集成和 UX 可能比原始模型质量更重要。

模型性能和基准测试

  • 许多人对 Microsoft 将 MAI Code 2 / Flash 直接与 Claude Opus 和 OpenAI Sol 进行基准对比感到印象深刻,但也有不少人不信任发布时的基准测试,尤其是编码模型的基准。
  • 有人指出 Microsoft 使用了关键基准的旧版本(DeepSWE 1.1、Terminal Bench 2.1、FrontierCode 1.1),认为在已有更新、更难版本的情况下,这样做具有误导性。
  • 线程后续的一份对比分析称,MAI Code 2 在若干编码基准上大致处于或低于上一代 Qwen,并落后于 DeepSeek V4.1 Flash,暗示这些模型表现不错,但并非前沿领先。

定价和竞争定位

  • 核心说法是:MAI Code 2 以远低于竞争对手的成本,提供了约 Sol 6.1 编码性能的 98% 和约 Opus 5.5 编码性能的 96%(相对 Sol 为 20–40%,相对 Opus 约为 5%)。
  • 有人认为 Microsoft 可能只是为了抢占市场而低价出售,但鉴于超大规模云厂商的利润率以及“拥有铁皮机器”,它仍然可以盈利。
  • 也有人认为,即使 MAI 略落后于 SOTA,只要便宜得多,对很多企业来说也已经足够。

专用编码模型 vs “一个大模型”

  • 不少人将 MAI Code 2 视为证据,说明专用编码模型可以在编码任务上与大型通用模型相匹敌甚至超越它们,这挑战了“一个模型统治一切”的正统观点。
  • 也有人指出,DeepSeek、Qwen 等此前的工作和模型已经支持这一点,尤其是在与优秀的 harness 和工具结合时。

与 OpenAI、Anthropic 和中国实验室的竞争

  • 普遍认为 OpenAI/Anthropic 领先,但只领先几个月;有些人认为这是一条脆弱的护城河,需要持续冲刺。
  • 关于中国实验室是否严重依赖来自前沿 API 的蒸馏,讨论存在分歧;证据混杂,被形容为并不清楚。
  • 有人认为反蒸馏措施已经拉大了闭源与开源模型之间的差距;也有人用不断上升的开源和接近前沿的产品作为反证。

访问、UX 和 Copilot

  • 多个评论抱怨 Microsoft 的 AI 产品难以发现和使用:没有明显的 playground、API key 或简单的定价页面;模型被“藏”在 Azure 里,或者被 Copilot 锁住。
  • 目前 MAI Code 2 主要可通过 GitHub Copilot 和有限的 Microsoft Foundry 预览访问,并承诺“很快”会上线 OpenRouter、Vercel 等。
  • 多位用户表示,与 Claude Code / Codex 相比,GitHub Copilot 订阅的价值不高,原因包括配额紧张、定制能力有限(例如 code review)以及集成令人困惑。
  • 一位在 Copilot 中试用 MAI Code 2 的用户表示,它在处理棘手的 Python/WSL 和 Azure 部署问题时,表现与 Opus 相当。

产品化、品牌与设计

  • 有人称赞 Anthropic 的整体 UX 和“agentic”集成明显优于 Microsoft 和 OpenAI,认为 UX 和分发渠道可能比原始模型质量更重要。
  • 讨论还涉及 Microsoft 的品牌策略:是否将“Copilot”收窄为某种特定 harness;有人对频繁改名(例如 Entra)感到不满。
  • 多人指出 microsoft.ai 网站的视觉风格类似 Anthropic/Claude;评价从“模仿”到“这是 MS 最好的网站”不等。
  • 一条支线解释了衬线标题 / 无衬线正文的字体搭配,是一种常见的网页排版选择。

硬件、开权重和本地模型

  • 有人预计,随着能够运行“差不多够用”模型(Qwen、DeepSeek、Kimi 等)的消费级硬件变得更便宜,闭源模型的护城河会逐渐被削弱。
  • 也有人反驳说,提供开权重模型的云推理服务已经便宜到极致,把硬件成本算进去后,本地运行几乎不再有成本优势。

未尽事项和担忧

  • 有人询问 Microsoft 的 Phi 模型后来怎样了;有些人认为它们基准分数偏高,且在分布外场景下较弱。
  • 少数人希望 Microsoft 能把这项 AI 能力用于修复 Windows 臃肿或 F# 支持问题。
  • 一条强烈负面的评论针对 Anthropic 推动监管开权重模型的立场,期待市场压力(包括来自 MAI 的竞争)能惩罚这一策略。