Microsoft MAI-Code-1-Flash レビュー 2026: Copilot が独自の脳を持つ

約5年間、GitHub Copilot は他社のモデルで動いていました。初期は OpenAI の Codex が支え、チャット時代は GPT-4 が担いました。Copilot 内のモデルマーケットプレイスが重要になるにつれ、Claude Sonnet と Gemini Pro が選択オプションとして加わりました。Microsoft は、遅くとも、他社のコーディング知能の最大の販売者でした。

それは 2026 年 6 月 2 日に終わりました。Microsoft AI は、同社が「クリーンで適切にライセンスされたデータ」と呼ぶものを用いて Microsoft 社内でエンドツーエンドに構築した、小さく高速なコーディングモデル MAI-Code-1-Flash を発表し、Copilot のモデルピッカーに直接投入しました。これはフラッグシップではありません。最も難しいエージェント型ベンチマークで Claude Opus 4.8 や GPT-5.5 に勝とうとしているのでもありません。狙いは、多くの人がエディター内で実際に使っている安くて速いティアを、Microsoft が完全に所有するモデルに置き換えることです。

私たちは過去3日間、VS Code 内の MAI-Code-1-Flash を使い、実際のリファクタリング、実際のバグ調査、そしていくつかのグリーンフィールドビルドを実行しました。何が機能し、何が機能しないか、そして Copilot のピッカーのデフォルトを変更すべきかどうかを報告します。

要点

• Claude Haiku 4.5 と SWE-Bench Verified で同等の性能、さらに SWE-Bench Pro で 16 ポイントのリード（51.2% vs 35.2%）— より難しいマルチファイルベンチマーク。
• Haiku 4.5 と比較して、同じ問題を解決するのに トークン数を最大 60% 削減 — 遅延の低減と請求額の低減に直結します。
• 一般的な推論で 調整済み精度 85.8%、特に「これはできない」という認識（不可能な問題の検出）が異常なほど強い。
• 現在利用可能：GitHub Copilot for VS Code 内、モデルピッカーで選択可能、および auto 設定で選択可能。
• Copilot 外での API アクセスはまだない。自分のアプリから呼び出せるモデルではありません。
• OpenAI のデータなしで訓練、同じ Build キーノートで発表されたより大きな推論モデル MAI-Thinking-1 と同時に。

VS Code を日常的に使っていて、Copilot のオートコンプリートとチャットが主力ツールになっているなら、MAI-Code-1-Flash は、Claude がピッカーに組み込まれて以来、その体験にとって最も重要な出来事です。もし Claude Code や Codex CLI ツールを使ってエージェント型ワークフローを構築しているなら、現時点では乗り換えるべきモデルではありません。

MAI-Code-1-Flash とは何か？

MAI-Code-1-Flash は、Mustafa Suleyman が 2024 年に Inflection から移籍して以来構築してきた社内研究組織 Microsoft AI が、設計・訓練・リリースをすべて自社で行った初のコーディングモデルです。MAI シリーズとしては 2 番目のモデルで、MAI-Voice-1 が最初に登場し、MAI-Thinking-1 は Build 2026 で本モデルと同時に発表されました。そして、開発者を明確にターゲットとした初のモデルです。

このモデルは小型です。Microsoft はパラメータ数を公表していませんが、推論コストとレイテンシのプロファイルから、Claude Haiku 4.5、Gemini 3.5 Flash、GPT-5.5 mini と同じ重量級クラス、つまりアクティブパラメータ数で約 20B〜70B の範囲、おそらく混合専門家（Mixture-of-Experts）アーキテクチャであると考えられます。これは インナループコーディング向けに設計されています。タブ補完、インライン提案、単一ファイルの編集、対話型デバッグなど、1 日に数百回も行う作業を、1 秒未満で回答することを想定しています。

これはエージェントではありません。Opus 4.8 の Dynamic Workflows のように多段階の計画をオーケストレーションするわけでもなく、1M トークンのコンテキストウィンドウを持つわけでもなく、数時間にわたって無人で実行されるよう最適化されているわけでもありません。Microsoft は、長期にわたるエージェント型の作業は MAI-Thinking-1 の領域であり、最も難しいタスクについては Copilot の自動ルーターが依然として Claude と GPT を選択する、と明確にしています。

ベンチマーク：Haiku 4.5 に勝る点

Microsoft は、現在 Copilot 内で事実上の小型モデル標準となっている Claude Haiku 4.5 に焦点を当てた比較セットを公開しました。Microsoft 自身のモデルカードからの数値は以下の通りです。

Pro の差がハイライトです。SWE-Bench Pro は、より大規模なリポジトリ内で複数ファイルの変更をナビゲートする必要がある、より難しく新しいバリアントであり、まさに小型モデルが従来苦手としてきた作業です。このレベルでの 16 ポイントのリードは、通常、モデルがはるかに大きい場合にのみ見られるような数値であり、はるかに小さいモデルでは異例です。

これらの数字には表れないものの、実務上はより重要なのはトークン効率です。Microsoftは、MAI-Code-1-Flashが同じ問題を最大60%少ないトーク数で解決すると主張しています。当サイトの検証では、SWE-Bench Liteセットで同等のパッチを適用するのに35〜55%少ないトーク数で完了しました。60%には及びませんでしたが、レイテンシが明確に低減し、タスクあたりのコストもそれに応じて低下しました。

エディタでの使用感

最新のVS Code Insidersビルドをインストールし、Copilotのモデル選択をMAI-Code-1-Flashに切り替えて、当サイトでコーディングモデルを検証する際に毎回実施している3つのテストを実行しました。

テスト1：多忙なTypeScriptファイルでのTab補完。これは、多くのユーザーが一日の大半を費やす、地味なワークロードです。MAI-Code-1-Flashは高速で、ウォームセッションでの初回トークンレイテンシは200ms未満、補完レイテンシはHaiku 4.5を明確な差で上回ります。提案内容は保守的であり、この用途では適切な判断です。既存のヘルパーで済む場合に新しいヘルパーを無理に作成することは稀で、ファイル内の既存のimportを尊重します。無関係なロジックにまたがる複数行の補完ではHaikuがわずかに優位ですが、単一文や単一関数のレベルではMAIは少なくとも同等であり、より軽快に感じられます。

テスト2：「なぜこのテストが失敗するのか？」微妙な非同期の競合状態を含む、実際に失敗しているJestテストを入力しました。MAIはテストを walkthrough し、テスト対象モジュールへの呼び出しを追跡し、promiseチェーンで欠落しているawaitを特定して、1行の修正を提案しました。初回で正解しました。これには約1,800の推論トークンを使用しました。同じプロンプトでHaiku 4.5は3,100トークンを要し、やや冗長な説明付きで同じ結論に達しました。GPT-5.5 miniは2,400トークンを要しました。インナループのデバッグでは、まさにこの種の効率性が求められます。

テスト3：複数ファイルのリファクタリング。これは、小規模モデルが歴史的に苦戦してきた領域であり、SWE-Bench Proの数値がMAIの驚くべき性能を示唆していた部分です。3つの兄弟ルートハンドラーから共通のバリデーション関数を抽出し、新しいユーティリティモジュールへ移動し、インポートを更新し、バレル再エクスポートを追加するよう依頼しました。MAIはクリーンな計画を提案し、移動を正しく実行し、初回でインポートを正しく処理しました。ただし、プロジェクトのtsconfig.jsonパスマッピングに新しいユーティリティを追加し忘れており、指摘するまでビルドが微妙な形で壊れていました。Haiku 4.5も同じ漏れがありました。Opus 4.8はこれを検出しました。この種の作業では、小規模モデルとフラッグシップモデルの差はまだ実在しますが、MAIと他の小規模モデルの差は、ベンチマークの差ほど大きくはありません。

MAIが明確に優れ、他が間違える唯一の点：いつ止めるべきかを知っていることです。Microsoftは不可能な問題の認識を強く最適化しており、その効果が表れています。コードベースが許容しない処理、例えばモデルが見えない生成ファイルから参照されているフィールドのリネームなどを依頼すると、MAIは自信満々の半端なパッチを出力するのではなく、タスクを完了できないこととその理由を説明します。Haiku 4.5は、時にそのまま進めて半端なパッチを出力することがあります。この1つの挙動の変化は、日常のワークフローにおいて、どんなベンチマークよりも価値があります。

MAI-Code-1-Flashが勝てない領域

モデルが小さいことです。小規模モデルは長いセッションで情報を忘れる傾向があり、MAIも例外ではありません。Copilotでのチャットが蓄積コンテキスト約40Kトークンを越えると、モデルが以前の決定事項を見失うのが体感できます。同じピッカー内のClaude Sonnet 4.6やOpus 4.8なら、はるかに長いスレッドを一貫して保持できます。巨大なローリング会話形式で使う場合は、より大きなモデルに切り替えてください。

エージェンティックな能力は高くありません。Microsoftの戦略は明確です。インナループにはMAI-Code-1-Flash、マルチステップの計画と実行にはMAI-Thinking-1（または自動モード経由のClaude / GPT）を使います。コードベースを確認し、計画を提案し、その計画を実行するというマルチステップのワークフローを試してみましたが、妥当な計画は立てるものの、最後まで実行し続ける粘り強さがなく、3〜4ステップ目で他のツールに引き渡したがる傾向がありました。これは、このモデルが想定された用途を考慮すれば正しい挙動です。つまり、Cursor 3や、Opusの使用を前提とするClaude Codeのように使うのは避けるべきということです。

現時点ではCopilot専用です。公開APIも、サードパーティ連携も、CursorやWindsurfでの利用もできません。IDEがVS Codeでなく、環境がCopilotでない場合、MAI-Code-1-Flashはまだ使えるモデルではありません。MicrosoftはAPIアクセスを「ロードマップに載せている」としていますが、時期は明示されていません。

リリースされたばかりです。3日間のテストで印象を持つことはできますが、1ヶ月使い続けて初めて見つかるような長期的な障害モードまでは把握できません。このレビューでの初期の好意的な評価は、適切な認識の謙虚さを持って受け止め、30日後に再検証します。

MAI-Code-1-Flash vs Claude Haiku 4.5 vs Gemini 3.5 Flash vs GPT-5.5 Mini

2026年6月6日時点での、小規模コーディングモデル4種の現状は以下の通りです：

VS Code内のCopilotで一日を過ごすなら、今すぐMAI-Code-1-Flashに切り替えて、1週間試してみてください。多くのユーザーではまだ自動ルーティングのデフォルトにはなっていないため、手動で選択する必要があります。

複数のエディタを行き来する場合や、自作アプリからコーディングモデルを呼び出す場合は、MicrosoftがAPIを提供するまでは、Claude Haiku 4.5が小規模モデルとしての最適なデフォルトのままです。

200Kトークン以上のコンテキストに対応し、大規模なモノレポを扱えるコーディングモデルが必要なら: Gemini 3.5 Flash。

Codex CLIの世界で仕事をしているなら: GPT-5.5 Miniが自然な選択であり、MAIはまだ競合相手にはなっていない。

戦略的に何を意味するか

モデル自体は、小規模モデルとして完成度の高いリリースだ。本当のニュースは、それが何を象徴しているかという点にある。

Microsoftは2019年にOpenAIとの深いパートナーシップ契約を結び、それ以来、この賭けの最大の受益者であり続けてきた。しかし、過去18か月で関係は目に見えて冷えてきた。OpenAIはFrontierプログラムで自社インフラの構築を追求し、MicrosoftはSuleymanを雇用してMAIを並行する研究開発体制として立ち上げ、Copilot製品チームはほぼ2年間にわたり、モデルに依存しない仕組みを静かに構築してきた。MAI-Code-1-Flashは、Microsoftが「競争力のあるコーディング体験を提供するためにOpenAIは必要ない」と自信を持って言えるようにする初の製品だ。

開発者にとって、目先のメリットは明白だ。コーディングの多くが行われるエディタ内で、より高速で安価なデフォルトモデルが手に入る。中期的な帰結は、MicrosoftがCopilot内で自社モデルの改良を続けるインセンティブを完全に得たことであり、これは小規模・高速モデル層での競争激化を意味し、Anthropic、Google、OpenAIもまたその層で料金を攻撃的に維持せざるを得なくなるということだ。これはコードを書くすべての人にとって良いことだ。

乗り換えるべきか？

VS Code内でGitHub Copilotを日常的に利用しているなら: 1週間の試用期間付きで、Yes。モデルピッカーをMAI-Code-1-Flashに切り替え、1週間そのまま使い、感触を確かめてほしい。正しいコードを生成するかどうかだけでなく、レイテンシ、トークン使用量、そして「止まるべきところで止まる」挙動が、Haiku 4.5よりも自分のスタイルに合っているかを確認するのだ。1週間後に元に戻したくなっても、失うものはなく、どの小規模モデルが自分のワークフローに合うかという有用な知見を得られる。

Copilotユーザーでないなら: 今日やることはない。APIの提供開始に注目してほしい。これが、Microsoftの囲い込みの外でこのモデルが面白くなる瞬間だ。提供開始時にこのレビューを更新する。

料金

Microsoftは、MAI-Code-1-Flashが現在既存のGitHub Copilotサブスクリプションにバンドルされているため、トークン単位の料金を公表していません。無料プラン、Pro（月額10ドル）、Pro+（月額39ドル）、Business（ユーザーごと月額19ドル）の各プランで利用可能で、ピッカー内の他のモデルに適用されるのと同じ月次リクエスト枠が付与されます。Microsoftは、Copilot内のMAIモデルはClaudeやGPTのリクエストよりも低いレートで枠を消費すると示唆していますが、正確な倍率はまだ確認されていません。

結論

MAI-Code-1-Flashは、控えめながら優れた小型コーディングモデルで、エディターでの日常利用において最も重要な点——トークン効率、レイテンシー、そしていつ停止すべきかを見極める能力——で勝り、小型モデルが常に負ける領域——長いコンテキストとマルチステップのエージェント処理——では負けます。最も難しいワークフローでOpus 4.8を置き換えるモデルではありません。それは、朝のコーヒーとランチの間に処理する200件のタブ補完と30件のクイック質問でHaiku 4.5を置き換えるモデルです。

戦略的な意義はモデル自体よりも大きい。Microsoftは、自社が完全に所有するモデルで駆動するCopilotを提供するようになり、エディター向けAI市場の重心を変えました。AnthropicとOpenAIが四半期以内に価格で対抗してくると予想されます。

コーディングアシスタント全体の動向におけるCopilotの位置づけについては、当サイトの2026年ベストAIコーディングアシスタントまとめと、更新済みのCursor vs Windsurf vs Copilotの比較をご覧ください。