زومیا؛ هوش مصنوعی

رقبای کلاد با یک‌بیستم هزینه؛ مایکروسافت دو هوش مصنوعی جدید برای برنامه‌نویسی معرفی کرد

مایکروسافت دو مدل جدید را به گیت‌هاب کوپایلت اضافه کرد؛ مدل‌هایی که با هزینه‌ی نسبتا کم، عملکردی خیره‌کننده ارائه می‌دهند. مایکروسافت با معرفی دو مدل جدید هوش مصنوعی رقابت خود با اوپن‌ای‌آی و آنتروپیک را در حوزه‌ی برنامه‌نویسی جدی‌تر کرد. مدل‌های MAI Code 2 و…

7 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • MAI
  • Code
  • مدل
  • مایکروسافت
  • Flash
  • کرده
رقبای کلاد با یک‌بیستم هزینه؛ مایکروسافت دو هوش مصنوعی جدید برای برنامه‌نویسی معرفی کرد

خلاصه تحلیلی خبر

مایکروسافت دو مدل جدید را به گیت‌هاب کوپایلت اضافه کرد؛ مدل‌هایی که با هزینه‌ی نسبتا کم، عملکردی خیره‌کننده ارائه می‌دهند. مایکروسافت با معرفی دو مدل جدید هوش مصنوعی رقابت خود با اوپن‌ای‌آی و آنتروپیک را در حوزه‌ی برنامه‌نویسی جدی‌تر کرد. مدل‌های MAI Code 2 و…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، MAI، Code، مدل، مایکروسافت

کدهای برنامه‌نویسی دیجیتال در قالب دو ستون متنی در پس‌زمینه‌ای تاریک

مایکروسافت دو مدل جدید را به گیت‌هاب کوپایلت اضافه کرد؛ مدل‌هایی که با هزینه‌ی نسبتا کم، عملکردی خیره‌کننده ارائه می‌دهند.

مایکروسافت بامعرفی دو مدل جدید هوش مصنوعیرقابت خود با اوپن‌ای‌آی و آنتروپیک را در حوزه‌ی برنامه‌نویسی جدی‌تر کرد. مدل‌های MAI Code 2 و MAI Code 2 Flash برای انجام وظایف مختلف توسعه‌ی نرم‌افزار طراحی شده‌اند و از امروز در گیت‌هاب کوپایلت (GitHub Copilot) در دسترس کاربران واجد شرایط قرار دارند.

مدل MAI Code 2 برای پروژه‌های پیچیده‌تر، از رفع خطاهای دشوار گرفته تا اعمال تغییرات در فایل‌های متعدد، توسعه یافته است. در مقابل، MAI Code 2 Flash روی وظایف روزمره با حجم بالا و هزینه‌ی کمتر تمرکز دارد.

مایکروسافت می‌گوید مدل‌های جدید می‌توانند به‌جای تولید صرف کد، در فرایندهای چندمرحله‌ای توسعه‌ی نرم‌افزار مشارکت کنند؛ برای مثال، بخش‌های مرتبط یک پروژه را پیدا کنند، تغییرات لازم را اعمال کنند و نتیجه را بررسی کنند.

یکی از مهم‌ترین ویژگی‌های این نسل، هزینه‌ی پایین آن در مقایسه با مدل‌های رقیب است.

مایکروسافت دو مدل جدید را برای نیازهای متفاوت برنامه‌نویسان طراحی کرده است.

مدل MAI Code 2 گزینه‌ی قدرتمندتر خانواده محسوب می‌شود و برای وظایفی مناسب است که به بررسی بخش‌های متعدد یک پروژه یا انجام تغییرات پیچیده نیاز دارند.

این مدل می‌تواند در شناسایی و برطرف‌کردن خطاهای عمیق، بازنویسی ساختار کد، توسعه‌ی قابلیت‌های جدید و تحلیل ارتباط میان فایل‌های یک مخزن نرم‌افزاری به برنامه‌نویسان کمک کند.

github.blog

همچنین مایکروسافت تأکید می‌کند که MAI Code 2 برای تولید کد قابل‌استفاده در محصولات نهایی بهینه شده است؛ یعنی هدف، پیشنهاد تغییراتی است که توسعه‌دهندگان بتوانند پس از بررسی، آن‌ها را وارد پروژه‌ی اصلی کنند.

در مقابل، MAI Code 2 Flash برای کارهای سبک‌تر و پرتکرار در نظر گرفته شده است. توضیح بخش‌هایی از کد، اصلاح تغییرات کوچک، رفع خطاهای معمول و انجام سریع چند مرحله‌ی اصلاح ازجمله کاربردهایی هستند که مایکروسافت برای این مدل معرفی کرده است.

درنتیجه، برنامه‌نویسان می‌توانند بسته به پیچیدگی کار و محدودیت هزینه، یکی از دو مدل را انتخاب کنند.

مایکروسافت در اطلاعیه‌ی رسمی خود، نتایج MAI Code 2 را با مدل‌های شناخته‌شده‌ی اوپن‌ای‌آی و آنتروپیک مقایسه کرده است.

براساس میانگین نتایج چهار آزمون DeepSWE 1.1 و Terminal-Bench 2.1 و SWE-Atlas و FrontierCode v1.1، مدل MAI Code 2 توانسته است به ۹۸ درصد عملکرد GPT-6.1 Sol برسد؛ درحالی‌که هزینه‌ی انجام وظایف حدود ۴۰ درصد هزینه‌ی رقیب بوده است.

مایکروسافت همچنین ادعا می‌کند عملکرد این مدل به ۹۶ درصد عملکرد Claude Opus 5.5 رسیده، اما هزینه‌ی آن تنها پنج درصد هزینه‌ی کلاد بوده است.

۰:۰۰ / ۰:۰۰

نسخه‌ی Flash هم در سه آزمون برنامه‌نویسی روزمره، عملکردی قابل‌مقایسه با GPT-6 Luna و Claude Haiku 5.5 ارائه کرده است.

به‌گفته‌ی مایکروسافت، هزینه‌ی اجرای وظایف با مدل Flash در این مقایسه‌ها به‌ترتیب حدود ۶۵ و ۲۰ درصد هزینه‌ی دو رقیب بوده است.

بنابراین، مزیت اصلی نسل جدید MAI Code را می‌توان تلاش برای کاهش هزینه‌ی برنامه‌نویسی با هوش مصنوعی، بدون فاصله‌گرفتن زیاد از کیفیت مدل‌های قدرتمند بازار دانست.

مایکروسافت علاوه‌بر وظایف معمول برنامه‌نویسی، روی توانایی MAI Code 2 در طراحی رابط کاربری نیز تمرکز کرده است.

به‌گفته‌ی شرکت، مدل جدید برای ساخت داشبوردهای مدیریتی، نمودارهای تعاملی، صفحات وب و ابزارهای مصورسازی داده‌ها بهینه شده است. در آزمایش‌های مقایسه‌ای ناشناس، ارزیاب‌ها خروجی MAI Code 2 را در ۶۷ درصد موارد به خروجی GPT-6 Sol ترجیح داده‌اند.

Microsoft

این ارزیابی‌ها شامل طراحی رابط کاربری، بازی‌های تحت وب، نمودارهای داده، صحنه‌های سه‌بعدی و تصاویر برداری SVG بوده‌اند. مایکروسافت می‌گوید در این آزمایش‌ها، هم ظاهر خروجی و هم عملکرد واقعی آن بررسی شده است.

نتایج با مشارکت مجموعاً ۲۵۸ ارزیاب انسانی ثبت شده‌اند؛ بااین‌حال، چنین مقایسه‌ای لزوماً نشان نمی‌دهد MAI Code 2 در تمام پروژه‌های فرانت‌اند بهتر از GPT-6 Sol عمل خواهد کرد.

یکی از بخش‌های مهم معرفی MAI Code 2 و MAI Code 2 Flash، قیمت استفاده از آن‌ها است. مایکروسافت اعلام کرده که هر دو مدل براساس میزان مصرف و تعداد توکن‌های پردازش‌شده محاسبه می‌شوند و قیمت فعلی مدل‌ها به‌ازای هر یک میلیون توکن به شرح زیر است

مدل

توکن ورودی

ورودی کش‌شده

توکن خروجی

MAI Code 2

۰٫۵۰ دلار

۰٫۰۲۵ دلار

۲٫۵۰ دلار

MAI Code 2 Flash

۰٫۰۵ دلار

۰٫۰۰۵ دلار

۰٫۲۵ دلار

به‌این‌ترتیب، هزینه‌ی استاندارد MAI Code 2 به یک دلار برای هر میلیون توکن ورودی و پنج دلار برای هر میلیون توکن خروجی خواهد رسید. قیمت MAI Code 2 Flash نیز به ۰٫۱۰ دلار برای ورودی و ۰٫۵۰ دلار برای خروجی افزایش پیدا می‌کند.

این مبالغ مربوط به تعرفه‌ی مصرف مدل‌ها در گیت‌هاب کوپایلت هستند و نباید با قیمت اشتراک ماهانه‌ی این سرویس اشتباه گرفته شوند.

کاربران بسته به طرح اشتراکی خود، اعتبار مصرف مشخصی دارند و درصورت عبور از سقف اعتبار، هزینه‌ی اضافه مطابق تنظیمات پرداخت آن‌ها محاسبه می‌شود.

گیت‌هاب اعلام کرده است که دسترسی به دو مدل جدید یکسان نیست. مدل قدرتمندتر MAI Code 2 در طرح‌های Copilot Pro و Pro+ و Max و Business و Enterprise ارائه می‌شود.

در مقابل، مدل MAI Code 2 Flash علاوه‌بر این طرح‌ها، برای کاربران Copilot Free و Copilot Student نیز در دسترس است.

Microsoft

بنابراین، افرادی که اشتراک پولی گیت‌هاب کوپایلت ندارند نیز می‌توانند در چارچوب محدودیت‌های طرح رایگان از نسخه‌ی Flash استفاده کنند.

هر دو مدل ازطریق منوی انتخاب مدل در محیط‌های مختلف گیت‌هاب کوپایلت قابل انتخاب هستند.

گیت‌هاب پشتیبانی از این مدل‌ها را در Visual Studio Code، ویژوال استودیو، ابزار خط فرمان Copilot CLI، عامل ابری کوپایلت، اپلیکیشن مستقل GitHub Copilot و وب‌سایت GitHub اعلام کرده است.

همچنین برنامه‌ی موبایل گیت‌هاب در اندروید و iOS و محیط‌های توسعه‌ای مانند JetBrains، Xcode و Eclipse از مدل‌های جدید پشتیبانی می‌کنند.

برای سازمان‌هایی که از طرح‌های Business و Enterprise استفاده می‌کنند، مدیران می‌توانند دسترسی کارکنان به مدل‌های MAI را از بخش تنظیمات سیاست‌های مدل مدیریت کنند.

مایکروسافت علاوه‌بر گیت‌هاب کوپایلت، عرضه‌ی MAI Code 2 Flash را در Microsoft Foundry نیز آغاز کرده است؛ البته این دسترسی فعلاً به‌صورت پیش‌نمایش محدود ارائه می‌شود.

شرکت اعلام کرده است که قصد دارد مدل‌های جدید را در آینده ازطریق سرویس‌هایی مانند OpenRouter، Vercel، Hermes، OpenCode و Kilo نیز ارائه کند.

این اقدام می‌تواند امکان استفاده از مدل‌های MAI را خارج از محیط گیت‌هاب کوپایلت فراهم کند.

مایکروسافت همچنین از معماری مدل Flash برای توسعه‌ی مدلی دیگر با نام MAI Work Flash استفاده کرده است.

این مدل برای انجام وظایف مرتبط با محصولات سازمانی مایکروسافت، ازجمله اکسل، پاورپوینت، ورد، تیمز و Fabric IQ بهینه شده است.

براساس آزمایش‌های داخلی مایکروسافت، مدل MAI Work Flash در برخی وظایف تولید اسناد و تحلیل داده‌ها به عملکرد مدل‌های بزرگ‌تر نزدیک شده و هم‌زمان توکن کمتری مصرف کرده است.

البته این نتایج مربوط به نسخه‌های تخصصی و آزمایش‌های داخلی شرکت هستند و الزاماً به عملکرد دو مدل برنامه‌نویسی در تمام محیط‌ها تعمیم پیدا نمی‌کنند.

رونمایی از MAI Code 2 و MAI Code 2 Flash بخشی از تلاش مایکروسافت برای توسعه‌ی مدل‌های اختصاصی هوش مصنوعی است.

این شرکت پیش‌تر مدل MAI Code 1.1 Flash را معرفی کرده بود که برای انجام وظایف برنامه‌نویسی سبک‌تر طراحی شده بود.

نسل دوم تلاش می‌کند دامنه‌ی کاربرد خانواده‌ی MAI Code را از کمک‌های ساده‌ی برنامه‌نویسی به توسعه‌ی چندمرحله‌ای نرم‌افزار گسترش دهد.

بااین‌حال، مایکروسافت صراحتاً اعلام کرده است که این مدل‌ها هنوز برای مسائل بسیار دشوار، مانند پژوهش‌های علمی بنیادی یا فعالیت‌های خودکار بسیار طولانی‌مدت، بهینه نشده‌اند.

بنابراین، MAI Code 2 قرار نیست در تمام کاربردها جایگزین قدرتمندترین مدل‌های عمومی شود.

تمرکز اصلی آن بر وظایفی است که برنامه‌نویسان و تیم‌های نرم‌افزاری به‌صورت روزانه انجام می‌دهند؛ کارهایی که در مقیاس سازمانی، حتی کاهش نسبتاً کوچک هزینه‌ی هر درخواست می‌تواند اهمیت زیادی داشته باشد.

اکنون با اضافه‌شدن این دو مدل به گیت‌هاب کوپایلت، کاربران می‌توانند آن‌ها را مستقیماً در پروژه‌های خود امتحان کنند و عملکردشان را در مقایسه با مدل‌های اوپن‌ای‌آی، آنتروپیک و دیگر رقبا بسنجند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.