日常のコーディング向けに2モデル

米MicrosoftのAI部門Microsoft AIは米国時間11月17日(日本時間18日)、プログラミング向けのAIモデル「MAI Code 2」と小型の「MAI Code 2 Flash」を公式ブログで発表した。いずれも、企業の開発者が毎日こなすコーディング作業向けと位置づけ、競合のモデルより少ない費用で同程度の性能を出すと説明した。開発支援の「GitHub Copilot」で使えるようにした。

MAI Code 2は、コードを本番に出す作業、手間のかかる不具合の調査、複数のファイルにまたがる実装、リポジトリ全体を見渡した判断、画面(UI)の作成が得意だという。MAI Code 2 Flashは、コードの説明、狙った箇所の修正、定型の修正、短い試行の繰り返しのように量の多い作業向けとした。同社は、科学の基礎研究や、非常に長い時間をかける自律的な作業のような難しい問題には「まだ調整していない」と明記している。

MAI Code 2の名前は、公式発表の前から開発者向けの試験版で見つかったと報じられていた。Microsoftは同じ日、年次イベント「Microsoft Ignite 2026」に合わせた発表のまとめで、画像編集の「MAI Image 2.7」、音声の書き起こしの「MAI Transcribe 2」を土台にした「Dragon Copilot Transcribe」、使うモデルを振り分ける「Decision 1.1」、自社のAI半導体「Maia 200」なども挙げた。

平均点はSolとOpusに迫り、1課題の費用は少ないと同社

Microsoftによると、4つのベンチマーク(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1)の平均で、MAI Code 2は米OpenAIの「GPT-6.1 Sol」の98%の性能を40%の費用で出した。米Anthropicの「Claude Opus 5.5」と比べると、96%の性能を5%の費用で出したという。同社は4つを、GitHub Copilotで見られる企業の日常的なコーディング作業を対象にしたベンチマークと説明している。

ブログの図によると、平均の正答率はMAI Code 2が63.2%、GPT-6.1 Solが64.1%、Claude Opus 5.5が65.3%だった。1課題あたりの平均費用は、MAI Code 2が0.309ドル、GPT-6.1 Solが0.761ドル、Claude Opus 5.5が6.306ドルとした。平均の点数は、3モデルのうちMAI Code 2が最も低い。

条件はすべてMicrosoftが設定した。どのモデルも推論の深さを最大にし、DeepSWE、Terminal Bench、SWE Atlasは社内の評価基盤で、GitHub Copilotのコマンド版を、作業を分担する補助のエージェントなしで動かして測った。FrontierCodeの点数と費用は、評価サイトArtificial Analysisの値を使ったという。MAI Code 2の費用は50%の販促価格で計算しており、通常の価格での比較や、販促の期限は明らかにしていない。

画面を作る力について、Microsoftはゲームやデータの可視化、3Dの場面などを作らせ、MAI Code 2とOpenAIの「GPT-6 Sol」の結果を名前を伏せて人に比べさせた。258人の評価者が、見た目と動作の両方でMAI Code 2を選んだ割合は、ブログも同日のまとめ記事も64%としている。日本時間18日4時台に保存したページでは、ブログが67%、まとめ記事が68%と食い違っていたが、その後どちらも64%に改められた。

4つのベンチマークの平均の正答率と1課題の平均費用(各モデルの推論を最大にした設定。MAI Code 2の費用は50%の販促価格)。Microsoftが測定し、公式ブログの図に載せた値

SWE AtlasではSolとOpusを下回る

ベンチマークごとに見ると、MAI Code 2は4つのいずれでも3モデルの首位に立っていない。FrontierCode v1.1は52.0%でGPT-6.1 Sol(49.4%)を上回ったが、Claude Opus 5.5(56.0%)には及ばなかった。DeepSWE 1.1とTerminal-Bench 2.1では、GPT-6.1 Solとの差は1.4ポイント以内だった。

差が大きいのはSWE Atlasで、MAI Code 2の43.1%に対し、GPT-6.1 Solは47.4%、Claude Opus 5.5は57.5%だった。1課題の費用は4つのベンチマークのすべてでMAI Code 2が最も少なく、DeepSWE 1.1ではClaude Opus 5.5の10.717ドルに対し0.618ドルだった。

ベンチマークごとの正答率(%、各モデルの推論を最大にした設定)。Microsoftが測定し、公式ブログの図に載せた値。FrontierCode v1.1はArtificial Analysisの値
  • MAI Code 2
  • GPT-6.1 Sol
  • Claude Opus 5.5
73.274.669.0
DeepSWE 1.1
84.685.078.7
Terminal-Bench 2.1
43.147.457.5
SWE Atlas
52.049.456.0
FrontierCode v1.1

小型のFlashは3つの課題でLunaとHaikuを上回る

MAI Code 2 Flashについて、Microsoftは3つのベンチマーク(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas)で、OpenAIの「GPT-6 Luna」、Anthropicの「Claude Haiku 5.5」と同程度の性能を、それぞれ65%、20%の費用で出すと説明した。モデルのページでは、Claude Haiku 5.5の5分の1の費用で性能が12%高いとしている。

ブログの図によると、平均の正答率はMAI Code 2 Flashが61.0%、GPT-6 Lunaが55.1%、Claude Haiku 5.5が53.9%だった。1課題あたりの平均費用は、それぞれ0.052ドル、0.08ドル、0.319ドルとした。3つのベンチマークのすべてで、MAI Code 2 Flashの点数が3モデルで最も高い。条件は上位版と同じで、Flashの費用も50%の販促価格で計算した。

3つのベンチマークの平均の正答率と1課題の平均費用(各モデルの推論を最大にした設定。MAI Code 2 Flashの費用は50%の販促価格)。Microsoftが測定し、公式ブログの図に載せた値

GitHub Copilotで提供、料金は示さず

MAI Code 2とMAI Code 2 Flashは、GitHub Copilotで使える。MAI Code 2 Flashは、企業向けのAI開発基盤「Microsoft Foundry」でも、利用者を限ったプレビューとして提供する。近く、Open Router、Vercel、Hermes、Open Code、Kiloでも公開するとした。

ブログとモデルのページには、100万トークンあたりの料金の記載がない。費用の比較で使った「50%の販促価格」の元の価格や、販促の期間も明らかにしていない。GitHub Copilotのどの契約プランで使えるかも、確認できていない。

OfficeやFabricにも派生モデル

Microsoftは、MAI Code 2 Flashをもとに調整した「MAI Work Flash」を、Microsoft 365とFabric IQの製品で使うとした。同社の社内評価では、ExcelとPowerPointの作業でOpenAIの「GPT 6 Luna」と同等の成績とトークン効率だった。Wordでは「GPT 6.1 Sol」に近い性能を、本番の環境で1回の呼び出しあたり約42%少ない入力トークンで出したという。Teamsでは、指示に従う作業や道具の呼び出しで、使うトークンを最大28%減らしたとしている。

顧客の事例では、米AT&Tが5Gのネットワーク運用の分析向けにMAIの独自モデルを作り、GPT-6.1 Solを上回る性能を50分の1の費用で得たという。Woven by Toyotaは、自動車向けのコーディング規約「MISRA」に沿った修正の履歴でMAI Code 2 Flashを調整した。本番で使う最先端のモデルの修正に人手の手直しが要った事例のうち44%で、そのまま取り込める修正を10分の1未満の費用で出したと説明している。

脆弱性検査向けの「MAI Cyber 2 Flash」

Microsoftは同じ日、ソフトの脆弱性を探すモデル「MAI Cyber 2 Flash」も発表した。10月の「MAI-Cyber-1.1-Flash」の後継で、一度に読める量(コンテキストウィンドウ)は100万トークンと、前の版の4倍になった。

同社の評価では、実際の脆弱性を見つける課題のCyberGym-E2Eで92.3%となり、半分の推論の量でOpenAIの「GPT-6 Astra」(91.5%)に並んだ。1課題の費用はGPT-6 Astraの2%未満だったという。料金は100万トークンあたり入力0.10ドル、キャッシュした入力0.01ドル、出力0.50ドルで、比較に使ったGPT-6 Astra(Azure OpenAI)の10ドル、1ドル、50ドルと並べている。学習データと重なる92課題を除いた813課題で集計したと説明した。一方、モデルのページはCyberGym-E2Eの点数を83.2%と表示しており、ブログの数字と食い違う。

MAI Cyber 2 FlashはMicrosoftのセキュリティ製品だけで提供する。脆弱性検査の仕組み「Codename MDASH」では、12月中旬から対象の顧客の既存のモデルを自動で置き換える。OpenAIのサイバー防御向け「GPT-6 Cyber」との比較は、数週間のうちに公表するとしている。

音声で対話する「MAI Realtime 1」

音声を聞いて音声で答える同社初のモデル「MAI Realtime 1」も発表した。料金は音声1分あたり0.01ドルからで、深く考える推論は別に100万トークンあたり入力1ドル、出力5ドルかかる。同社の評価では、OpenAIの「GPT Realtime 2.1」を品質、速度、価格で上回ったという。

OpenAIのRealtime APIと互換があり、既存の音声アプリを移しやすいとした。顧客対応の「Dynamics 365 Contact Center」や医療向けの「Dragon Copilot」に載せる予定で、AgodaやReservations.aiが試している。自社の試用サイト「MAI Labs」で試せるほか、Microsoft Foundryの限定プレビューに登録でき、公開プレビューが始まるまでは課金しない。