微软发布MAI Code1.1Flash：GitHub Copilot迎来本地推理时代

MAI Code 1.1 Flash定位为轻量化代理式编码模型。模型卡显示，其支持256K上下文窗口，输入覆盖文本与图像，适用于仓库问答、代码重构和工具调用等场景。

微软对其进行了3-bit量化，模型体积缩小近80%，本地运行仅需约53GB内存。官方推荐120GB以上RAM设备以获得最佳性能。在Surface Laptop Ultra上，解码吞吐量在2K至256K提示长度区间稳定在每秒40至63词元。

成本砍到四分之一

定价是最直观的变化。MAI Code 1.1 Flash每百万输入Token收费0.20美元，缓存输入0.02美元，输出1.20美元。上一代MAI-Code-1-Flash对应价格为0.75、0.075和4.50美元，降幅恰好为75%。

效率提升同样明显。相比6月版本，新模型在GitHub Copilot CLI的Terminal-Bench 2.1上提升约22%，.NET任务提升约15%，Token流速度提升25%，完成任务所需Token减少25%。SWE-Bench Verified得分为72.6%。

隐私与安全的双刃剑

本地推理的核心卖点之一是与数据隐私的天然契合。对处理敏感代码的企业团队而言，本地模型意味着推理数据无需离开设备。用户可通过Windows ML调用MAI Code 1.1 Flash，或接入兼容OpenAI API的本地端点。

安全防护方面，系统集成了微软执行容器（MXC），利用操作系统原生隔离机制保障代码运行安全。但本地部署并非零门槛——超过120GB内存的硬件要求，意味着多数开发者短期内仍需依赖云端补充。

微软此次将模型能力下沉至终端，标志着AI编程助手从“纯云端”向“云边协同”的架构转折。对AI行业而言，这不仅是产品更新，更是算力分发逻辑的一次重要试验。