Обзор Microsoft MAI-Code-1-Flash для 2026 года: у Copilot появляется собственный мозг
Обзор Microsoft MAI-Code-1-Flash на практике — первой собственной модели для программирования от GitHub Copilot. Мы тестируем производительность на бенчмарке SWE-Bench, эффективность использования токенов, задержки и сравниваем её с Claude Haiku 4.5, GPT-5.5 и Gemini 3.5 Flash.
1X2.TV — прогнозы футбольных матчей на базе ИИ
Прогнозы футбольных матчей, советы по ставкам и глубокий анализ на базе ИИ. Работает на алгоритмах машинного обучения, анализирующих более 50 000 матчей.
Получить прогнозыПочти пять лет GitHub Copilot работал на чужих моделях. Оригинальную версию поддерживала Codex от OpenAI. Эру чатов он пережил на GPT-4. Claude Sonnet и Gemini Pro появились в качестве дополнительных вариантов, когда внутренний маркетплейс моделей в Copilot стал значимым. Microsoft была, в лучшем случае, крупнейшим в мире реселлером чужого кодогенерирующего интеллекта.
Это закончилось 2 июня 2026 года. Microsoft AI выпустила MAI-Code-1-Flash — небольшую и быструю модель для программирования, созданную целиком внутри Microsoft на том, что компания называет «чистыми и надлежащим образом лицензированными данными», и сразу добавила её в выбор моделей Copilot. Это не флагман. Она не пытается обойти Claude Opus 4.8 или GPT-5.5 на самых сложных агентных бенчмарках. Её цель — заменить сегмент «дешево и быстро», которым большинство людей реально пользуются в редакторе, на модель, полностью принадлежащую Microsoft.
Мы потратили последние три дня, запуская MAI-Code-1-Flash в VS Code на реальных рефакторингах, поиске багов и нескольких проектах с нуля. Вот что работает, что нет и стоит ли менять модель по умолчанию в Copilot.
Кратко
- Паритет с Claude Haiku 4.5 по SWE-Bench Verified, плюс преимущество в 16 пунктов по SWE-Bench Pro (51,2% против 35,2%) — более сложному бенчмарку с множеством файлов.
- До 60% меньше токенов для решения тех же задач по сравнению с Haiku 4.5 — что напрямую означает меньшую задержку и меньший счет.
- 85,8% скорректированной точности в общих задачах рассуждения, с необычно сильным распознаванием «я не могу это сделать» (обнаружение нерешаемых задач).
- Доступна уже сейчас в GitHub Copilot для VS Code, в списке моделей и доступна при выборе режима «авто».
- Пока нет доступа к API вне Copilot. Это не модель, которую можно вызывать из собственного приложения.
- Обучена без данных OpenAI, вместе с более крупной моделью рассуждений MAI-Thinking-1, представленной на том же ключевом докладе Build.
Если вы живёте в VS Code, а автодополнение и чат Copilot — ваш основной рабочий инструмент, то MAI-Code-1-Flash — самое значимое событие для этого опыта с момента появления Claude в выпадающем списке. Если вы строите агентные рабочие процессы с помощью инструментов Claude Code или Codex CLI, то это пока не та модель, на которую стоит переходить.
Что такое MAI-Code-1-Flash?
MAI-Code-1-Flash — это первая модель для программирования, спроектированная, обученная и выпущенная целиком подразделением Microsoft AI, внутренней исследовательской организацией, которую Мустафа Сулейман выстраивает после своего перехода из Inflection в 2024 году. Это вторая модель в серии MAI: первой была MAI-Voice-1, затем вместе с этой моделью на Build 2026 была анонсирована MAI-Thinking-1, и это первая модель, явно ориентированная на разработчиков.
Модель небольшая. Microsoft не опубликовала количество параметров, но экономика инференса и профиль задержки ставят её в ту же весовую категорию, что и Claude Haiku 4.5, Gemini 3.5 Flash и GPT-5.5 mini — примерно 20–70 млрд активных параметров, возможно, это модель на основе смеси экспертов (mixture-of-experts). Она создана для внутреннего цикла программирования: автодополнение по Tab, встроенные подсказки, правки в одном файле, отладка в диалоге. То, что вы делаете сотни раз в день и хотите получать менее чем за секунду.
Чем она не является: агентом. Она не оркестрирует многошаговые планы так, как это делают Dynamic Workflows у Opus 4.8, у неё нет контекстного окна в 1 млн токенов, и её не заставляли работать без присмотра часами. Microsoft чётко обозначила, что долгосрочная агентная работа — это ниша MAI-Thinking-1, тогда как Claude и GPT по-прежнему выбираются авто-роутером Copilot для самых сложных задач.
Бенчмарки: где она превосходит Haiku 4.5
Microsoft опубликовала набор сравнений, сфокусированный именно на Claude Haiku 4.5, которая сейчас является де-факто стандартом среди малых моделей в Copilot. Цифры из собственной карточки модели Microsoft:
| Бенчмарк | MAI-Code-1-Flash | Claude Haiku 4.5 | Разница |
|---|---|---|---|
| SWE-Bench Verified | 73.8% | 73.3% | +0.5 |
| SWE-Bench Pro | 51.2% | 35.2% | +16.0 |
| SWE-Bench Multilingual | 64.1% | 60.7% | +3.4 |
| Terminal Bench 2 | 38.4% | 31.9% | +6.5 |
| HumanEval+ | 92.1% | 90.4% | +1.7 |
| Скорректированное рассуждение | 85.8% | 79.3% | +6.5 |
Разрыв в Pro — главная новость. SWE-Bench Pro — более сложный и свежий вариант, требующий от модели навигации по изменениям в нескольких файлах внутри крупных репозиториев — именно та работа, на которой малые модели традиционно буксуют. Преимущество в 16 пунктов на этом уровне — тот тип цифр, который обычно появляется только у значительно более крупных моделей, а не у меньших.
Что в этих цифрах не видно, но на практике важнее: эффективность использования токенов. Microsoft утверждает, что MAI-Code-1-Flash решает те же задачи, используя до 60% меньше токенов. В наших тестах мы зафиксировали сокращение на 35–55% при получении эквивалентного патча на наборе SWE-Bench Lite — не полные 60%, но достаточно, чтобы задержка заметно снизилась, а расходы на задачу соответственно уменьшились.
Как это ощущается в редакторе
Мы установили последнюю сборку VS Code Insiders, переключили выбор модели Copilot на MAI-Code-1-Flash и прогнали её через те же три теста, которые используем для каждой модели для программирования, попадающей на этот сайт:
Тест 1: автодополнение по Tab в загруженном TypeScript-файле. Это непритязательная задача, на которую большинство пользователей тратят большую часть дня. MAI-Code-1-Flash работает быстро — задержка первого токена менее 200 мс в прогретой сессии, задержка автодополнения заметно ниже, чем у Haiku 4.5. Предложения консервативны, что здесь и нужно. Модель редко пытается изобрести новый хелпер, когда можно обойтись существующим, и учитывает импорты, уже присутствующие в файле. Haiku немного выигрывает в многострочных дополнениях, охватывающих несвязанную логику, но на уровне одного оператора или одной функции MAI как минимум не отстает и ощущается более отзывчивой.
Тест 2: «Почему этот тест падает?» Мы дали ей реальный падающий Jest-тест с тонкой гонкой в асинхронном коде. MAI разобрал тест, проследил вызов в тестируемый модуль, обнаружил пропущенный await в цепочке промисов и предложил исправление в одну строку — верно с первой попытки. На это ушло около 1800 токенов рассуждений. Haiku 4.5 на том же промпте потратила 3100 токенов и тоже справилась, но с чуть более подробным объяснением. GPT-5.5 mini потребовалось 2400 токенов. Для отладки в цикле разработки это именно та эффективность, которую вы хотите.
Тест 3: рефакторинг нескольких файлов. Именно здесь малые модели исторически дают сбой, и именно здесь показатель SWE-Bench Pro намекал, что MAI может нас удивить. Мы попросили его извлечь общую функцию валидации из трёх однотипных обработчиков маршрутов, перенести её в новый модуль утилит, обновить импорты и добавить ре-экспорт через barrel-файл. MAI предложил чистый план, корректно выполнил переносы и с первого раза правильно настроил импорты. Однако он забыл добавить новую утилиту в маппинг путей проекта tsconfig.json, что незаметно ломало сборку, пока мы на это не указали. Haiku 4.5 допустила ту же ошибку. Opus 4.8 её заметила. Разрыв между малым и флагманским сегментами в такой работе по-прежнему велик, но разрыв между MAI и другими малыми моделями меньше, чем можно было бы ожидать, судя по разбросу в бенчмарках.
Единственное, в чём MAI однозначно прав, а остальные ошибаются: умение вовремя остановиться. Microsoft сделала сильный упор на распознавание нерешаемых задач, и это заметно. Попросите его сделать то, что не позволяет сделать кодовая база — например, переименовать поле, на которое ссылается сгенерированный файл, невидимый для модели, — и MAI скажет, что не может выполнить задачу, и объяснит почему, вместо того чтобы выдать уверенный, но наполовину неверный патч. Haiku 4.5 иногда идёт напролом и выпускает такой наполовину неверный патч. Одно это изменение поведения в ежедневном рабочем процессе ценнее любого бенчмарка.
Где MAI-Code-1-Flash не выигрывает
Он мал. Малые модели забывают детали в длинных сессиях, и MAI не исключение. Как только чат в Copilot превышает примерно 40K токенов накопленного контекста, становится заметно, что модель теряет нить предыдущих решений. Claude Sonnet 4.6 или Opus 4.8 в том же списке моделей гораздо дольше удерживают связность длинного диалога. Если ваш сценарий использования — это один огромный непрерывный разговор, переключитесь на более крупную модель.
В нём нет агентной «мускулатуры». Стратегия Microsoft ясна: MAI-Code-1-Flash для внутреннего цикла, MAI-Thinking-1 (или Claude / GPT через автовыбор) для многошагового планирования и выполнения. Мы пытались заставить его работать в многошаговом рабочем процессе «посмотреть кодовую базу, предложить план, выполнить план»: он выдал разумный план, но не хватило терпения выполнить всё целиком — после 3-го или 4-го шага он постоянно хотел передать задачу дальше. Это правильное поведение с учётом того, для чего он создавался; просто это значит, что не стоит пытаться использовать его так, как Cursor 3 или Claude Code ожидают использования Opus.
Пока он доступен только в Copilot. Нет публичного API, нет сторонних интеграций, нет поддержки Cursor или Windsurf. Если ваша IDE не VS Code или ваша среда выполнения не Copilot, то MAI-Code-1-Flash пока не та модель, которую вы можете использовать. Microsoft заявила, что доступ к API «в планах», но не назвала сроков.
Модель совсем новая. Трёх дней тестирования достаточно, чтобы составить мнение, но недостаточно, чтобы выявить редкие сбои, проявляющиеся после месяца использования. Относитесь к раннему энтузиазму в этом обзоре с разумной осторожностью — мы вернёмся к теме через 30 дней.
MAI-Code-1-Flash против Claude Haiku 4.5 против Gemini 3.5 Flash против GPT-5.5 Mini
Четыре модели малого уровня для кодинга по состоянию на сегодня, 6 июня 2026 года:
| Модель | Лучше всего подходит для | Слабее всего в | Доступен в |
|---|---|---|---|
| MAI-Code-1-Flash | Эффективность токенов, обнаружение нерешаемых задач, задержка | Длинные контексты, агентные циклы, сторонние среды выполнения | Только Copilot (VS Code) |
| Claude Haiku 4.5 | Кроссплатформенная доступность, связность длинного контекста | SWE-Bench Pro (-16 по сравнению с MAI), эффективность токенов | API, Copilot, Cursor, Windsurf, Claude Code |
| Gemini 3.5 Flash | Контекст 1M, мультимодальность (скриншоты в код), тарифы | Рефакторинг нескольких файлов, следование инструкциям в плотных спецификациях | Gemini API, AI Studio, GCP, Cursor |
| GPT-5.5 Mini | Генерация в потоковом режиме, надёжность вызовов функций | Задержка в хвосте, иногда многословные объяснения | OpenAI API, Codex CLI, Copilot |
Если вы весь день работаете в Copilot в VS Code: переключитесь на MAI-Code-1-Flash сейчас и попробуйте его неделю. По умолчанию он ещё не выбирается автоматически для большинства пользователей, поэтому его нужно выбирать вручную.
Если вы работаете в нескольких редакторах или вызываете модели для кодинга из своих приложений: Claude Haiku 4.5 остаётся правильным выбором среди малых моделей, пока Microsoft не выпустит API.
Если вам нужна модель для программирования, способная обрабатывать более 200 тыс. токенов контекста для обширного монорепо: Gemini 3.5 Flash.
Если вы работаете в экосистеме Codex CLI: GPT-5.5 Mini — естественный выбор, а MAI пока не является конкурентом.
Стратегическое значение
Сама модель представляет собой отполированный релиз в малом сегменте. Настоящая новость — в том, что она символизирует.
Microsoft заключила свое первоначальное глубокое партнерство с OpenAI в 2019 году и с тех пор является крупнейшим бенефициаром этой ставки. Но за последние 18 месяцев отношения заметно охладилась: OpenAI развивала собственную инфраструктуру в рамках программы Frontier, Microsoft наняла Сулеймана и запустила MAI как параллельное исследовательское направление, а команда Copilot почти два года незаметно строила инфраструктуру, не зависящую от конкретных моделей. MAI-Code-1-Flash — первый продукт, который позволяет Microsoft уверенно заявить: нам не нужна OpenAI, чтобы выпустить конкурентоспособный опыт программирования.
Для разработчиков немедленная выгода очевидна — более быстрая и дешевая модель по умолчанию в редакторе, где происходит большая часть работы с кодом. Среднесрочное последствие состоит в том, что теперь у Microsoft есть все стимулы продвигать собственные модели внутри Copilot, что означает усиление конкуренции в сегменте быстрых и легких моделей и дополнительные причины для Anthropic, Google и OpenAI держать там агрессивные тарифы. Это выгодно всем, кто пишет код.
Стоит ли переходить?
Если вы ежедневно пользуетесь GitHub Copilot в VS Code: да, с недельным пробным периодом. Переключите выбор модели на MAI-Code-1-Flash, оставьте его на неделю и обратите внимание на ощущения — не только на то, выдает ли она корректный код, но и на то, насколько задержка, расход токенов и готовность остановиться соответствуют вашему стилю лучше, чем у Haiku 4.5. Если через неделю вы захотите вернуться, вы ничего не потеряете и узнаете что-то полезное о том, какая компактная модель лучше подходит для вашего рабочего процесса.
Если вы не пользователь Copilot: сегодня делать нечего. Следите за появлением API — именно тогда эта модель станет интересной за пределами закрытой экосистемы Microsoft. Мы обновим этот обзор, когда это произойдет.
Тарифы
Microsoft не опубликовала тарифы за токен, поскольку MAI-Code-1-Flash сейчас входит в существующие подписки GitHub Copilot. Доступ к нему есть на всех тарифах: Free, Pro ($10/мес), Pro+ ($39/мес) и Business ($19/пользователь/мес), с теми же ежемесячными лимитами запросов, которые действуют для других моделей в списке выбора. Microsoft намекнула, что модели MAI внутри Copilot будут расходоваться из лимитов по более низкому коэффициенту, чем запросы к Claude или GPT, но точный множитель пока не подтвержден.
Вывод
MAI-Code-1-Flash — это незаметно отличная небольшая модель для программирования, которая выигрывает там, где это важнее всего для ежедневной работы в редакторе: эффективность использования токенов, задержка и умение вовремя остановиться, — и проигрывает там, где небольшие модели всегда проигрывают: на длинных контекстах и многошаговой агентной работе. Это не модель, которая заменит Opus 4.8 в ваших самых сложных рабочих процессах. Это модель, которая заменит Haiku 4.5 в 200 автодополнениях и 30 быстрых вопросах, которые вы успеваете сделать между утренним кофе и обедом.
Стратегическое значение важнее самой модели. Microsoft теперь поставляет Copilot на моделях, которыми полностью владеет, и это меняет центр тяжести на рынке ИИ для редакторов кода. Ожидайте, что Anthropic и OpenAI ответят на это изменением цен в течение квартала.
Подробнее о том, как Copilot вписывается в общий ландшафт ассистентов для программирования, читайте в нашем обзоре лучших ИИ-ассистентов для кода 2026 года и в обновленном сравнении Cursor vs Windsurf vs Copilot.
Прогнозы рынка акций на базе ИИ — умный анализ рынка
Прогнозы фондового рынка и технический анализ на базе ИИ. Получайте ежедневные прогнозы по акциям, ETF и криптовалютам с оценками уверенности и показателями риска.
Посмотреть сегодняшние прогнозыСоздаете или продвигаете инструмент ИИ?
Разместите свой инструмент, получите обзор или станьтеfeatured на AI Tools Hub — спонсируемые размещения на 12 месяцев, мультиязычные. От $49.
Команда AI Tools Hub
Экспертные обозреватели инструментов ИИ
Наша команда энтузиастов ИИ и технических экспертов тестирует и обозревает сотни инструментов ИИ, чтобы помочь вам найти идеальное решение для ваших задач. Мы предоставляем честный и глубокий анализ на основе реального использования.