1X2.TV — Dự đoán bóng đá bằng AI
Dự đoán trận đấu & mẹo cá cược bằng AI
Dự đoán cổ phiếu bằng AI
Dự báo & phân tích thị trường chứng khoán bằng AI

Đánh giá Microsoft MAI-Code-1-Flash 2026: Copilot có bộ não riêng

Đánh giá thực tế Microsoft MAI-Code-1-Flash, mô hình lập trình nội bộ đầu tiên dành cho GitHub Copilot. Chúng tôi kiểm thử hiệu suất SWE-Bench, hiệu quả token, độ trễ và cách nó so sánh với Claude Haiku 4.5, GPT-5.5 và Gemini 3.5 Flash.

Đội ngũ AI Tools Hub
|
Microsoft MAI-Code-1-Flash Review 2026: Copilot Gets Its Own Brain
Dự án của chúng tôi

1X2.TV — Dự đoán bóng đá bằng AI

Dự đoán trận đấu bóng đá, mẹo cá cược và phân tích chuyên sâu bằng AI. Được hỗ trợ bởi các thuật toán học máy phân tích hơn 50.000 trận đấu.

Nhận dự đoán

Trong gần 5 năm, GitHub Copilot chạy trên các mô hình của bên thứ ba. Codex của OpenAI cung cấp sức mạnh cho phiên bản gốc. GPT-4 duy trì hoạt động trong kỷ nguyên chat. Claude Sonnet và Gemini Pro xuất hiện như các lựa chọn thay thế khi thị trường mô hình bên trong Copilot bắt đầu trở nên quan trọng. Microsoft, cùng lắm, chỉ là nhà bán lẻ lớn nhất thế giới về trí tuệ lập trình của người khác.

Điều đó đã kết thúc vào ngày 2 tháng 6 năm 2026. Microsoft AI ra mắt MAI-Code-1-Flash, một mô hình lập trình nhỏ, nhanh, được xây dựng hoàn chỉnh nội bộ Microsoft dựa trên dữ liệu “sạch và được cấp phép phù hợp”, và tích hợp trực tiếp vào trình chọn mô hình của Copilot. Đây không phải là mô hình chủ lực. Nó không cố gắng đánh bại Claude Opus 4.8 hay GPT-5.5 trong các bài kiểm tra tác nhân khó nhất. Mục tiêu của nó là thay thế phân khúc giá rẻ và nhanh — phân khúc mà hầu hết mọi người thực sự sử dụng trong trình soạn thảo — bằng một mô hình mà Microsoft sở hữu hoàn toàn.

Chúng tôi đã dành 3 ngày qua để chạy MAI-Code-1-Flash trong VS Code với các lần tái cấu trúc thực tế, các cuộc săn lỗi thực tế và một vài dự án mới. Dưới đây là những gì hoạt động tốt, những gì không, và liệu mặc định của trình chọn Copilot có nên thay đổi hay không.

Tóm tắt nhanh

  • Tương đương SWE-Bench Verified với Claude Haiku 4.5, cộng thêm lợi thế 16 điểm trên SWE-Bench Pro (51,2% so với 35,2%) — bài kiểm tra khó hơn, đa tệp.
  • Giảm tới 60% số token để giải quyết cùng một vấn đề so với Haiku 4.5 — đồng nghĩa với độ trễ thấp hơn và hóa đơn thấp hơn.
  • Độ chính xác điều chỉnh 85,8% trong suy luận chung, với khả năng nhận diện “tôi không làm được việc này” (phát hiện bài toán bất khả thi) đặc biệt mạnh.
  • Có sẵn ngay bây giờ trong GitHub Copilot cho VS Code, trong trình chọn mô hình và có thể chọn ở chế độ tự động.
  • Chưa có quyền truy cập API bên ngoài Copilot. Đây không phải là mô hình bạn có thể gọi từ ứng dụng của riêng mình.
  • Được huấn luyện mà không dùng dữ liệu của OpenAI, cùng với mô hình suy luận lớn hơn MAI-Thinking-1 từ cùng bài phát biểu chính tại Build.

Nếu bạn sống trong VS Code và tính năng tự động hoàn thành + trò chuyện của Copilot là công cụ hằng ngày của bạn, thì MAI-Code-1-Flash là thay đổi quan trọng nhất đối với trải nghiệm đó kể từ khi Claude xuất hiện trong trình chọn mô hình. Nếu bạn xây dựng các quy trình làm việc dạng tác nhân với công cụ Claude Code hoặc Codex CLI, thì đây chưa phải là mô hình bạn nên chuyển sang — ít nhất là vào lúc này.

MAI-Code-1-Flash là gì?

MAI-Code-1-Flash là mô hình lập trình đầu tiên được thiết kế, huấn luyện và phát hành hoàn toàn bởi Microsoft AI, tổ chức nghiên cứu nội bộ mà Mustafa Suleyman đã xây dựng kể từ khi rời Inflection vào năm 2024. Đây là mô hình thứ hai trong dòng MAI — MAI-Voice-1 ra mắt trước, sau đó MAI-Thinking-1 được công bố cùng với mô hình này tại Build 2026 — và là mô hình đầu tiên nhắm trực tiếp vào lập trình viên.

Mô hình này có kích thước nhỏ. Microsoft chưa công bố số lượng tham số, nhưng các chỉ số về kinh tế suy luận và độ trễ cho thấy nó thuộc cùng phân khúc với Claude Haiku 4.5, Gemini 3.5 Flash và GPT-5.5 mini — khoảng 20B-70B tham số hoạt động, có thể là mô hình hỗn hợp chuyên gia (mixture-of-experts). Nó được xây dựng cho lập trình trong vòng lặp nội bộ: hoàn thành bằng phím Tab, gợi ý trực tiếp, chỉnh sửa một tệp, gỡ lỗi qua hội thoại. Những thao tác bạn thực hiện hàng trăm lần mỗi ngày và muốn có phản hồi trong chưa đầy một giây.

Nó không phải là: một tác nhân. Nó không điều phối các kế hoạch nhiều bước theo cách mà Dynamic Workflows của Opus 4.8 làm, nó không có cửa sổ ngữ cảnh 1 triệu token, và nó chưa được đẩy mạnh để chạy tự động trong nhiều giờ. Microsoft khẳng định rõ rằng công việc tác nhân dài hạn thuộc về dòng MAI-Thinking-1, còn Claude và GPT vẫn được Copilot’s auto-router chọn cho các tác vụ khó nhất.

Bảng xếp hạng: Nơi nó vượt trội hơn Haiku 4.5

Microsoft đã công bố một bộ so sánh tập trung trực tiếp vào Claude Haiku 4.5, vốn là chuẩn mô hình nhỏ mặc định trong Copilot hiện nay. Các số liệu từ thẻ mô hình (model card) của Microsoft:

Bảng xếp hạngMAI-Code-1-FlashClaude Haiku 4.5Chênh lệch
SWE-Bench Verified73.8%73.3%+0.5
SWE-Bench Pro51.2%35.2%+16.0
SWE-Bench Multilingual64.1%60.7%+3.4
Terminal Bench 238.4%31.9%+6.5
HumanEval+92.1%90.4%+1.7
Suy luận đã điều chỉnh85.8%79.3%+6.5

Khoảng cách ở SWE-Bench Pro là điểm nhấn. SWE-Bench Pro là biến thể khó hơn, mới hơn, đòi hỏi mô hình phải xử lý các thay đổi trên nhiều tệp trong những kho mã lớn hơn — đúng loại công việc mà các mô hình nhỏ thường gặp thất bại. Khoảng cách dẫn trước 16 điểm ở cấp độ này là con số thường chỉ xuất hiện khi một mô hình lớn hơn nhiều, chứ không phải nhỏ hơn.

Điều không xuất hiện trong những con số đó nhưng lại quan trọng hơn trong thực tế: hiệu quả token. Microsoft tuyên bố MAI-Code-1-Flash giải quyết các vấn đề tương tự với ít hơn tới 60% token. Trong các lần chạy thử của chúng tôi, chúng tôi thấy ít hơn 35-55% token để đưa ra bản vá tương đương trên bộ dữ liệu SWE-Bench Lite — không đạt đủ 60%, nhưng đủ để độ trễ thấp hơn rõ rệt và chi phí cho mỗi tác vụ giảm tương ứng.

Trải nghiệm trong trình soạn thảo

Chúng tôi đã cài đặt bản dựng VS Code Insiders mới nhất, chuyển trình chọn mô hình Copilot sang MAI-Code-1-Flash và chạy qua ba bài kiểm tra giống nhau mà chúng tôi áp dụng cho mọi mô hình lập trình xuất hiện trên trang này:

Bài kiểm tra 1: Hoàn thành Tab trong một tệp TypeScript bận rộn. Đây là khối lượng công việc không hào nhoáng mà hầu hết người dùng thực sự dành cả ngày để làm. MAI-Code-1-Flash nhanh — độ trễ token đầu tiên dưới 200ms trong phiên làm việc đã khởi động, độ trễ hoàn thành nhanh hơn Haiku 4.5 một khoảng cách cảm nhận được. Các gợi ý mang tính bảo thủ, đây là lựa chọn đúng đắn trong trường hợp này. Nó hiếm khi cố gắng tạo ra một hàm hỗ trợ mới khi đã có hàm hiện có, và nó tôn trọng các import đã có trong tệp. Haiku nhỉnh hơn một chút ở các phần hoàn thành nhiều dòng trải dài qua các logic không liên quan, nhưng ở cấp độ một câu lệnh và một hàm, MAI ít nhất là ngang bằng và cảm giác nhanh nhạy hơn.

Bài kiểm tra 2: “Tại sao bài kiểm tra này thất bại?” Chúng tôi đưa vào một bài kiểm tra Jest thất bại thực tế với một điều kiện tranh chấp async tinh vi. MAI đã xem xét bài kiểm tra, theo dõi lời gọi vào mô-đun đang được kiểm tra, xác định await bị thiếu trên chuỗi promise và đề xuất một bản sửa lỗi một dòng — chính xác ngay lần thử đầu tiên. Nó sử dụng khoảng 1.800 token suy luận để làm điều đó. Haiku 4.5 với cùng câu lệnh đó mất 3.100 token và cũng đưa ra được kết quả, với lời giải thích dài dòng hơn một chút. GPT-5.5 mini mất 2.400 token. Đối với gỡ lỗi trong vòng lặp nội bộ, đây chính xác là loại hiệu quả mà bạn mong muốn.

Thử nghiệm 3: Tái cấu trúc nhiều tệp. Đây là nơi các mô hình nhỏ thường gặp khó khăn trước đây, và cũng là nơi con số SWE-Bench Pro gợi ý rằng MAI có thể gây bất ngờ cho chúng ta. Chúng tôi yêu cầu mô hình trích xuất một hàm xác thực chung từ ba trình xử lý route cùng cấp, chuyển nó vào một mô-đun tiện ích mới, cập nhật các câu lệnh import và thêm một re-export dạng barrel. MAI đã đề xuất một kế hoạch gọn gàng, thực hiện các thao tác di chuyển chính xác và xử lý đúng các câu lệnh import ngay từ lần thử đầu tiên. Tuy nhiên, mô hình đã bỏ sót việc thêm tiện ích mới vào ánh xạ đường dẫn tsconfig.json của dự án, khiến quá trình build bị lỗi theo cách tinh vi cho đến khi chúng tôi chỉ ra vấn đề. Haiku 4.5 cũng mắc cùng một lỗi bỏ sót này. Opus 4.8 đã phát hiện ra nó. Khoảng cách giữa phân khúc mô hình nhỏ và phân khúc mô hình chủ lực vẫn còn rõ rệt đối với loại công việc này — nhưng khoảng cách giữa MAI và các mô hình nhỏ khác nhỏ hơn mức mà sự phân tán của benchmark gợi ý.

Một điểm mà MAI làm đúng một cách rõ ràng trong khi các mô hình khác làm sai: biết khi nào nên dừng lại. Microsoft đã tối ưu hóa mạnh mẽ cho khả năng nhận diện các bài toán bất khả thi, và điều đó thể hiện rõ. Hãy yêu cầu mô hình thực hiện một tác vụ mà codebase không cho phép — chẳng hạn, đổi tên một trường được tham chiếu từ một tệp được sinh ra mà mô hình không thể nhìn thấy — MAI sẽ cho bạn biết rằng nó không thể hoàn thành tác vụ và giải thích lý do, thay vì đưa ra một bản vá nửa vời nhưng tự tin. Haiku 4.5 đôi khi vẫn cố gắng tiến hành và cung cấp bản vá nửa vời đó. Chỉ riêng sự thay đổi hành vi này đã có giá trị hơn trong vòng lặp sử dụng hàng ngày so với bất kỳ benchmark nào.

Nơi MAI-Code-1-Flash Không Chiến Thắng

Mô hình này có kích thước nhỏ. Các mô hình nhỏ thường quên thông tin qua các phiên làm việc dài, và MAI cũng không phải ngoại lệ. Khi một cuộc trò chuyện trong Copilot vượt quá khoảng 40K token ngữ cảnh tích lũy, bạn có thể cảm nhận được mô hình bắt đầu mất dấu các quyết định trước đó. Claude Sonnet 4.6 hoặc Opus 4.8 trong cùng một trình chọn mô hình sẽ duy trì một chuỗi hội thoại dài hơn nhiều một cách mạch lạc. Nếu thói quen sử dụng của bạn là một cuộc trò chuyện cuộn liên tục khổng lồ, hãy chuyển sang một mô hình lớn hơn.

Nó không có sức mạnh tác tử. Chiến lược của Microsoft rất rõ ràng: MAI-Code-1-Flash cho vòng lặp nội bộ, MAI-Thinking-1 (hoặc Claude / GPT qua chế độ tự động) cho việc lập kế hoạch và thực thi nhiều bước. Chúng tôi đã cố gắng đẩy nó vào một quy trình làm việc nhiều bước kiểu “xem mã nguồn, đề xuất kế hoạch, thực thi kế hoạch” và nó đưa ra một kế hoạch hợp lý nhưng không đủ kiên nhẫn để thực hiện trọn vẹn — nó liên tục muốn chuyển giao sau bước 3 hoặc 4. Đây là hành vi đúng đắn xét theo mục đích xây dựng của nó; điều đó chỉ có nghĩa là đừng cố dùng nó như cách bạn dùng Cursor 3 hoặc cách Claude Code yêu cầu bạn dùng Opus.

Hiện tại nó chỉ dành cho Copilot. Không có API công khai, không có tích hợp của bên thứ ba, không khả dụng trên Cursor hay Windsurf. Nếu IDE của bạn không phải là VS Code hoặc môi trường chạy của bạn không phải là Copilot, thì MAI-Code-1-Flash chưa phải là mô hình bạn có thể sử dụng. Microsoft đã cho biết quyền truy cập API “nằm trong lộ trình” nhưng không đưa ra mốc thời gian cụ thể.

Nó hoàn toàn mới. Ba ngày thử nghiệm là đủ để hình thành một quan điểm, nhưng chưa đủ để tìm ra các chế độ lỗi dài hạn xuất hiện sau một tháng sử dụng. Hãy đón nhận sự hào hứng ban đầu trong bài đánh giá này với sự khiêm tốn về nhận thức phù hợp — chúng tôi sẽ quay lại sau 30 ngày.

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

Phân khúc bốn mô hình lập trình cỡ nhỏ tính đến ngày 6 tháng 6 năm 2026:

Mô hìnhTốt nhất choYếu nhất ởKhả dụng tại
MAI-Code-1-FlashHiệu quả token, phát hiện bài toán bất khả thi, độ trễNgữ cảnh dài, vòng lặp tác tử, môi trường chạy của bên thứ baChỉ có trên Copilot (VS Code)
Claude Haiku 4.5Khả dụng đa nền tảng, tính mạch lạc trong ngữ cảnh dàiSWE-Bench Pro (-16 so với MAI), hiệu quả tokenAPI, Copilot, Cursor, Windsurf, Claude Code
Gemini 3.5 FlashNgữ cảnh 1M, đa phương thức (chuyển ảnh chụp màn hình thành mã), giá cảTái cấu trúc nhiều tệp, tuân thủ chỉ dẫn trên các đặc tả kỹ thuật dày đặcGemini API, AI Studio, GCP, Cursor
GPT-5.5 MiniSinh văn bản theo dòng, độ tin cậy của lời gọi hàmĐộ trễ phần đuôi, đôi khi giải thích dài dòngOpenAI API, Codex CLI, Copilot

Nếu bạn dành cả ngày trong Copilot trên VS Code: hãy chuyển sang MAI-Code-1-Flash ngay bây giờ và xem cảm giác thế nào trong một tuần. Các thiết lập mặc định chưa tự động định tuyến sang nó cho hầu hết người dùng, nên bạn phải chọn nó thủ công.

Nếu bạn làm việc trên nhiều trình soạn thảo hoặc gọi các mô hình lập trình từ ứng dụng của riêng mình: Claude Haiku 4.5 vẫn là lựa chọn mặc định đúng đắn cho mô hình cỡ nhỏ cho đến khi Microsoft phát hành API.

Nếu bạn cần một mô hình lập trình có thể xử lý ngữ cảnh hơn 200K token cho một monorepo đồ sộ: Gemini 3.5 Flash.

Nếu bạn sống trong thế giới Codex CLI: GPT-5.5 Mini là lựa chọn phù hợp tự nhiên, còn MAI vẫn chưa phải là đối thủ cạnh tranh.

Ý nghĩa chiến lược của điều này

Bản thân mô hình là một bản phát hành hoàn thiện ở phân khúc nhỏ. Tin tức thực sự nằm ở ý nghĩa của nó.

Microsoft đã ký kết quan hệ đối tác sâu rộng ban đầu với OpenAI vào năm 2019 và kể từ đó luôn là người hưởng lợi lớn nhất từ thương vụ này. Nhưng mối quan hệ đã nguội lạnh rõ rệt trong 18 tháng qua — OpenAI đã theo đuổi cơ sở hạ tầng riêng với chương trình Frontier, Microsoft đã tuyển dụng Suleyman và thành lập MAI như một nỗ lực nghiên cứu song song, và đội ngũ sản phẩm Copilot đã âm thầm xây dựng hệ thống độc lập với mô hình trong gần hai năm. MAI-Code-1-Flash là sản phẩm đầu tiên cho phép Microsoft tự tin tuyên bố: chúng tôi không cần OpenAI để cung cấp trải nghiệm lập trình cạnh tranh.

Đối với các nhà phát triển, lợi ích trước mắt rất rõ ràng — một mặc định nhanh hơn, rẻ hơn trong trình soạn thảo nơi phần lớn công việc lập trình diễn ra. Hệ quả trung hạn là Microsoft giờ đây có mọi động lực để tiếp tục thúc đẩy các mô hình riêng của mình trong Copilot, điều này có nghĩa là cạnh tranh khốc liệt hơn ở phân khúc nhỏ và nhanh, đồng thời tạo thêm lý do để Anthropic, Google và OpenAI duy trì mức giá cạnh tranh ở phân khúc đó. Điều này tốt cho tất cả những ai viết mã.

Bạn có nên chuyển đổi?

Nếu bạn là người dùng GitHub Copilot hàng ngày trong VS Code: có, với thời gian dùng thử một tuần. Chuyển trình chọn mô hình sang MAI-Code-1-Flash, giữ nguyên trong một tuần và chú ý xem cảm giác sử dụng ra sao — không chỉ là liệu nó có tạo ra mã đúng hay không, mà còn là độ trễ, mức sử dụng token và hành vi biết dừng có phù hợp với phong cách của bạn hơn Haiku 4.5 hay không. Nếu sau một tuần bạn muốn quay lại, bạn không mất gì và đã học được điều hữu ích về mô hình nhỏ nào phù hợp với quy trình làm việc của mình.

Nếu bạn không phải là người dùng Copilot: chưa có gì để làm hôm nay. Hãy theo dõi khả năng sẵn có của API, đó là thời điểm mô hình này trở nên thú vị bên ngoài khu vườn có tường bao của Microsoft. Chúng tôi sẽ cập nhật bài đánh giá này khi tính năng đó ra mắt.

Giá cả

Microsoft chưa công bố giá theo token vì MAI-Code-1-Flash hiện được gộp vào các gói đăng ký GitHub Copilot hiện có. Các gói Free, Pro ($10/tháng), Pro+ ($39/tháng) và Business ($19/người dùng/tháng) đều được truy cập, với cùng hạn mức yêu cầu hàng tháng áp dụng cho các mô hình khác trong danh sách lựa chọn. Microsoft đã ám chỉ rằng các mô hình MAI trong Copilot sẽ được tính vào hạn mức với tỷ lệ thấp hơn so với các yêu cầu Claude hoặc GPT, nhưng hệ số chính xác vẫn chưa được xác nhận.

Kết luận

MAI-Code-1-Flash là một mô hình lập trình nhỏ xuất sắc một cách thầm lặng, thắng ở những điểm quan trọng nhất đối với việc sử dụng trình soạn thảo hàng ngày — hiệu quả token, độ trễ và biết khi nào nên dừng — và thua ở những điểm mà các mô hình nhỏ luôn thua, đó là ngữ cảnh dài và công việc tác nhân nhiều bước. Đây không phải là mô hình thay thế Opus 4.8 trong các quy trình làm việc khó khăn nhất của bạn. Đây là mô hình thay thế Haiku 4.5 trong 200 lần hoàn thành tab và 30 câu hỏi nhanh mà bạn thực hiện giữa lúc uống cà phê sáng và bữa trưa.

Ý nghĩa chiến lược lớn hơn cả mô hình. Microsoft hiện cung cấp Copilot chạy trên các mô hình do họ sở hữu hoàn toàn, và điều này thay đổi trọng tâm của thị trường AI trong trình soạn thảo. Hãy kỳ vọng Anthropic và OpenAI sẽ phản hồi về giá trong quý này.

Để tìm hiểu thêm về cách Copilot phù hợp với bối cảnh rộng hơn của các trợ lý lập trình, hãy xem bài tổng hợp các trợ lý lập trình AI tốt nhất năm 2026 và bài so sánh cập nhật của chúng tôi về Cursor vs Windsurf vs Copilot.

Dự án của chúng tôi

Dự đoán cổ phiếu bằng AI — Phân tích thị trường thông minh

Dự báo thị trường chứng khoán và phân tích kỹ thuật bằng AI. Nhận dự đoán hàng ngày cho cổ phiếu, ETF và tiền điện tử kèm theo điểm tin cậy và chỉ số rủi ro.

Xem dự đoán hôm nay
Dành cho nhà phát triển công cụ

Đang xây dựng hoặc tiếp thị một công cụ AI?

Được liệt kê, đánh giá hoặc giới thiệu trên AI Tools Hub — vị trí tin tài trợ trong 12 tháng, đa ngôn ngữ. Từ $49.

Đội ngũ AI Tools Hub

Chuyên gia đánh giá công cụ AI

Đội ngũ những người đam mê AI và chuyên gia công nghệ của chúng tôi thử nghiệm và đánh giá hàng trăm công cụ AI để giúp bạn tìm ra giải pháp hoàn hảo cho nhu cầu của mình. Chúng tôi cung cấp phân tích trung thực và chuyên sâu dựa trên trải nghiệm sử dụng thực tế.

Chia sẻ bài viết này: Đăng Chia sẻ LinkedIn

Các dự án AI khác từ đội ngũ của chúng tôi

Khám phá các công cụ và dự đoán AI khác của chúng tôi