マイクロソフトはなぜコーディングモデルを2つのティアに分けたのか?MAI Code 2から見る企業AIのタスク階層化5ステップ法

マイクロソフトは、複雑なエンジニアリングと高頻度の日常タスク向けにそれぞれ別のモデルを提供しています。本稿の判断では、これは企業にタスクの複雑さに応じたコスト配分という新たな選択肢を提供します。2026年11月17日、マイクロソフトは MAI Code 2 と MAI Code 2 Flash を発表しました。前者は複数ファイルの変更、深いデバッグ、リポジトリレベルの推論を対象とし、後者はコード解説、ピンポイント修正、定型的な修正、高頻度の反復を対象としています。

本稿の中心的な結論は、企業がプログラミングAIを評価する際に「どのモデルが最も強いか」だけを見るべきではない、ということです。より重要なのは、どのタスクを軽量ティアに任せられるか、どのタスクを重量ティアへ昇格させる必要があるか、そして成功したマージ1回につき実際にいくらかかったかです。なお、後述するタスク階層化フローは編集部の提案であり、マイクロソフトがすでに提供している自動ルーティングの保証ではありません。

本記事を読むと、次のことがわかります

  • MAI Code 2 と MAI Code 2 Flash の位置づけの違い、および現在どのチャネルで利用できるか、どのチャネルがまだ「近日公開」状態にあるか。
  • モデルカードが開示している仕様、およびベンダーの自己申告にすぎず独立検証がまだ行われていない情報。
  • 企業が「デュアルティア」の考え方を参考に、自社のプログラミングタスク階層化フローを構築し、成功率、手戻り率、マージ1回あたりのコストで効果を測定する方法。
  • パイロット前にデータレジデンシーと権限の面で確認すべき事項、および起こりがちな過剰解釈のいくつか。

MAI Code 2 解説インデックス

第1部「客観的事実」では、デュアルティアの位置づけ、提供チャネル、モデルカードの仕様、企業事例と MAI Work Flash の関係を順に整理します。情報源はマイクロソフトの公開資料と GitHub の価格ドキュメントです。第2部「分析と判断」は編集部の見解です。まずデュアルティアの背景にあるビジネスロジックを説明し、次にタスク台帳の作成、デフォルトルーティング、昇格ルール、人による受け入れ、指標計算という5つのステップを示します。最後に、パイロット時の確認事項と避けるべき誤読について議論します。

microsoft-mai-code-2-two-tier-enterprise-ai-task-routing-ja-image-0


To Know:MAI Code 2 の2ティアリリースを理解するための重要概念

概念 簡潔な説明
MAI Code 2 Microsoft の大型コーディングモデル。複数ファイル、深いデバッグ、リポジトリレベルの推論を想定しています
MAI Code 2 Flash 同シリーズの軽量ティア。コード解説、特定箇所の修正、定型的な修正、高頻度のイテレーションを想定しています
MAI Work Flash Code 2 Flash をベースにさらに最適化した派生モデル。M365 や FabricIQ などの業務・データ領域向けに提供されます
Foundry Microsoft の企業向けモデル/AI アプリ開発プラットフォーム。Flash はここで制限付きプレビューとして提供されています
Limited-access preview 制限付きアクセスプレビュー。申請または条件の充足が必要で、一般提供とは異なります
コンテキストウィンドウ モデルが1回に処理できるトークンの総量。モデルカードでは 1.05M と記載されています
リポジトリレベルの推論 単一ファイルだけを見るのではなく、コードベース全体の構造と依存関係を理解したうえで変更を加えること
モデルルーティング タスクの特性に応じてリクエストを異なるモデルへ振り分ける戦略。人手によるルールでもプログラムでも実装できます
手戻り率 AI の成果物が差し戻され、再修正が必要になる割合。実際の効率を測る重要な指標です
データレジデンシー データの保存・処理が行われる地理的領域。コンプライアンス要件に関わります

MAI Code 2 の2ティア同時リリースが及ぼす影響をざっと見る

  • 企業の技術責任者:調達と評価の軸が「最も強力なモデルを1つ選ぶ」から「タスクごとに異なるティアを割り当てる」へと変わり、タスクの分類とコスト算定の基準をあらかじめ用意しておく必要があります。
  • GitHub Copilotを使う開発者:2つのモデルはすでにCopilotで提供されており、日々の作業でタスクの規模に応じて主体的に切り替えられます。ただし、実際に選択できる範囲は所属組織のポリシーによって決まります。
  • Foundry上でアプリを構築するチーム:現時点ではFlashのみが制限付きプレビューとして提供されているため、まずアクセス資格を確認する必要があります。全面的に利用可能になる前提でスケジュールを立てるのは適切ではありません。
  • サードパーティプラットフォームに依存する開発者:発表資料ではOpenRouter、Vercel、Hermes、OpenCode、Kiloなどのチャネルが「近日公開」と記されています。実際に開放される前に本番計画へ組み込むべきではありません。
  • コンプライアンスとセキュリティのチーム:モデルが1つ増えるごとに、データフローと権限の境界も1組増えます。パイロットの前に確認を完了しておく必要があります。

1. 客観的事実:MAI Code 2 と Flash は何をリリースしたのか

本セクションでは、マイクロソフトが公開した資料に含まれる情報のみを整理しています。性能や事例に関する内容はすべてベンダーの発表やその引用によるものであり、独立した評価ではありません。当チームもこれら2つのモデルの実測は行っていません。

1.1 MAI Code 2 の2段階ポジショニング:Code 2 と Flash はそれぞれ何を担うのか

マイクロソフトは発表資料の中で、2つのモデルの役割分担を比較的はっきりと示しています。ヘビー級のモデルは全体像の理解が必要な複雑なエンジニアリングタスクを担当し、軽量級のモデルは高頻度で局所的、テンポの速い日常タスクを担当します。

項目 MAI Code 2 MAI Code 2 Flash
公式ポジショニング 複数ファイルの変更、詳細なデバッグ、リポジトリレベルの推論 コードの説明、特定箇所の修正、定型的な修復、高頻度のイテレーション
タスクの特徴 ファイル間の依存関係が多い、全体構造の理解が必要 範囲が明確で、変更が局所に集中している
選定のヒント(本記事の判断) まずファイル間の正確性を評価 まず局所タスクの品質と応答速度を評価
評価の性質 ベンダー評価 ベンダー評価

microsoft-mai-code-2-two-tier-enterprise-ai-task-routing-ja-image-1

1.2 MAI Code 2 の提供チャネルと利用可能な状況

利用可能性は最も誤解されやすい部分です。マイクロソフトの発表資料と Azure AI Foundry のブログに基づくと、各チャネルの状況は次のとおりです。

チャネル MAI Code 2 MAI Code 2 Flash ステータス説明
GitHub Copilot 提供中 提供中 リリース済み
Microsoft Foundry 利用可能としては記載なし 限定アクセスのプレビュー 資格の申請が必要
OpenRouter、Vercel、Hermes、OpenCode、Kilo 近日提供予定 近日提供予定 発表資料には soon と記載され、すでに全量開放されているわけではない

1.3 MAI Code 2 モデルカードの仕様

マイクロソフトは同時に2つのモデルのモデルカードを公開しました。現時点で確認できる公開仕様は以下のとおりです。

  • 入力モダリティはテキストと画像、出力モダリティはテキストです。
  • モデルのコンテキストウィンドウは1.05Mトークンで、うち入力上限は922k、出力上限は128kです。
  • 上記はモデルカードの仕様であり、各製品の入り口で利用可能な容量を保証するものではありません。利用時は製品ごとの制限を別途確認する必要があります。たとえば、あるIDEプラグインで使えるコンテキストは、モデルカードの数値より小さい場合があります。

総パラメータ数については、公開資料の間でバージョンの不一致が見られるため、本記事では採用も引用も行いません。

1.4 MAI Code 2 の企業向けカスタマイズ事例と MAI Work Flash

マイクロソフトは MAI Code 2 のモデルページで、AT&T と Woven by Toyota という2社のカスタマイズモデルの事例に触れています。これらはベンダーによる伝聞であり、特定企業の特定のカスタマイズ用途を説明したものです。「すべての企業のタスクで同じ効果が得られる」と一般化することはできません。

もう1つ、個別に説明する価値がある情報が MAI Work Flash です。発表稿では、Code 2 Flash をさらに最適化した派生モデルであり、M365 と FabricIQ に提供されるとされています。そのため、MAI Work Flash がオフィスシーンで示した成績は、そのままベース版 Code 2 Flash の成績として引用することはできません。

1.5 予算策定時には、プロモーション料金と長期コストを区別する

GitHub Copilot 料金ドキュメントに記載されている100万トークンあたりの米ドル料金は以下のとおりです。順序は入力/キャッシュ入力/出力です:

モデル プロモーション料金 2027年5月17日以降の通常料金
MAI Code 2 0.50/0.025/2.50 1.00/0.05/5.00
MAI Code 2 Flash 0.05/0.005/0.25 0.10/0.01/0.50

公式にはこの日付の具体的なタイムゾーンは示されていません。ここに示したのは Copilot の課金基準であり、Foundry やサードパーティプラットフォームの見積もりとして直接扱うことはできません。マイクロソフトのプレスリリースにおける相対コストの訴求は、50%のプロモーション価格と指定された評価構成を前提としています。企業の長期予算では、通常価格、失敗時のリトライ、人手による手戻りも併せて試算すべきです。


2. 分析と判断:MAI Code 2 の2段階構成の背景にある企業タスクの階層化

以下は編集部による分析と提案であり、マイクロソフトの公式見解を代表するものではありません。以下の内容はマイクロソフト製品の自動ルーティング機能に関する説明ではありません。ここで提示する企業向けの振り分け、アップグレード、検収のルールは、別途設計・検証が必要です。

2.1 なぜ MAI Code 2 は2段階に分かれたのか:競争の焦点が総合ランキングからコスト配分へ

企業からのリクエストには、「モジュール全体のリファクタリング」と「1つの関数の説明」のようなタスクが同時に含まれることがあります。その比率はチームの記録から統計すべきもので、「大多数は簡単なタスクだ」と決めてかかることはできません。簡単なタスクにも一律で大規模モデルを使うと、不要なコストが増える可能性があります。実際の遅延については、やはり計測が必要です。逆にすべてを軽量モデルに任せると、複雑なタスクは失敗しやすく、何度も手戻りが発生します。

2段階でのリリースは、まさにこのトレードオフを正面から示したものです。ベンダーは単一モデルの上限だけを強調するのではなく、役割分担が明確な組み合わせを提供するようになりました。企業にとって本当に差がつくのは、適切なタスクを適切なティアに割り当てられるかどうか、そしてその結果を継続的に検証できるかどうかです。この判断は1.1節の公式な位置づけに基づくもので、実際のコスト差がどれほど大きいかは、各チームが自らのデータで検証する必要があります。

microsoft-mai-code-2-two-tier-enterprise-ai-task-routing-ja-image-2

2.2 ステップ1:MAI Code 2のような2段階モデルのタスク台帳を作成する

まずモデルに接続するのを急ぐのではなく、2〜4週間かけて、チームが実際にAIに任せるプログラミングタスクを記録します。台帳は複雑である必要はなく、複雑さを判断できるフィールドを記録することがポイントです。

台帳フィールド 記録内容 判断用途
タスク種別 説明、修正、新機能、リファクタリング、デバッグ 初期分類
関連ファイル数 単一ファイルか複数ファイルか リポジトリレベルの理解が必要かどうか
再現可能なエラーがあるか エラーログやテストケースがあるか デバッグの深さ
受け入れ方法 単体テスト通過、人手レビュー、本番観察 受け入れコスト
結果 一発通過、数回のやり直し、断念 段階の選択が正しかったかどうか

台帳があれば、その後の階層化ルールには根拠が生まれ、勘で線を引く必要がなくなります。

2.3 ステップ2:低コストのデフォルトルーティングを設定する

低リスクで範囲が明確、受け入れ条件が十分に整ったタスクだけを、軽量段階から始めることをおすすめします。ファイル数は手がかりにはなりますが、リスクを単独で決めることはできません。1つのファイル内の認証、決済、本番設定の変更でも、直接エスカレーションして人手レビューを強化する必要がある場合があります。

自動プロキシをすぐに導入するのではなく、まず人手による振り分け表を作るのがよいでしょう。コードの説明や副作用のないアドバイスタスクは軽量段階を優先。モジュールをまたぐ変更や根本原因が不明なデバッグは複雑な段階へ。秘密情報、本番権限、セキュリティ境界に関わるタスクは、あらかじめ責任者の承認を経ます。本記事では接続テストは実施しておらず、第三者がこれら2つのモデルをすでにサポートしていることも保証しません。

2.4 ステップ3:複雑なタスク向けのエスカレーションルールを策定する

デフォルトルーティングは「まずどの経路を通るか」という問題だけを解決します。そのため、いつエスカレーションすべきかを明確にする必要があります。トリガー条件は次の2種類を推奨します。

  • 事前エスカレーション:台帳上、タスクが複数ファイルにまたがる場合、リポジトリ全体の理解が必要な場合、または深いデバッグが必要な場合は、直接ヘビーグレードに渡します。
  • 事後エスカレーション:軽量グレードの出力がテストを通過しない場合、または同じタスクの手戻りが合意した回数を超えた場合、自動または手動でヘビーグレードに切り替えて再試行します。

各試行ごとに、タスクID、モデル、使用量、検収結果、エスカレーション理由を記録します。再試行には前回の失敗情報を含め、回数や予算の上限を設定します。上限を超えたら人間に引き渡し、無限ループにしないようにします。出力に関数名や「テスト合格」という文字が含まれているだけで成功と判定せず、信頼できるテストを実行して実際の変更を確認します。

2.5 ステップ4:人間による検収は省略できない

どのグレードのモデルでも、出力は最終的に人間のレビューを経てからマージします。タスクのグレードに応じて検収の強度を変えることを推奨します。軽量グレードの局所的な修正は、テスト通過と迅速なレビューを中心にし、ヘビーグレードの複数ファイルにわたる変更は、依存関係や潜在的な副作用をシニアエンジニアがレビューする必要があります。ベンダーのベンチマーク成績がどれほど良くても、あなたのコードベースにおける検収の代わりにはなりません。

2.6 第五步:成功率・手戻り率・マージあたりコストで MAI Code 2 の階層化効果を測る

トークン単価だけで判断すると、誤った結論に陥りやすくなります。軽量ティアは1回あたりのコストが安く見えますが、3回手戻りが発生すれば総コストはかえって高くなる可能性があります。そこで、次の3つの指標でコストを試算することをおすすめします。

指標 算出方法 説明
成功率 一度で受け入れ基準を満たしたタスク数 ÷ 総タスク数 ティア別・タスク種別に集計
手戻り率 差し戻して作り直したタスク数 ÷ 総タスク数 手戻り率が高いときは、ティア分け・資料不足・受け入れ定義も併せて点検
マージあたりコスト (モデル呼び出し費用 + 人手によるレビューと手戻り工数の換算)÷ マージに成功した PR 数 実際の業務コストに最も近い

これら3つの指標は、自社のタスク上で実測するべきものであり、ベンダーやメディアが示す「効率改善率」をそのまま当てはめるのは避けたほうがよいでしょう。コードベースや言語、受け入れ基準が異なれば、結果は大きく変わることがあります。

microsoft-mai-code-2-two-tier-enterprise-ai-task-routing-ja-image-3

2.7 パイロット前の確認:MAI Code 2 のデータレジデンシーと権限

モデルのティアを一つ増やすたびに、データフローも一つ増えます。パイロット開始前に、少なくとも以下を確認することをおすすめします。

  • データレジデンシー:利用するチャネル(Copilot、Foundry、または第三者プラットフォーム)のデータ処理リージョンが、業界および地域のコンプライアンス要件を満たしているか確認します。Foundry 上の Flash は制限付きプレビュー段階にあり、プレビュー期間中の規約は正式版と異なる場合があります。
  • コードアクセス権限:リポジトリ単位の推論では、モデルがより広範囲のコードを読み取る可能性があります。アクセス可能なリポジトリとディレクトリを限定し、機密情報や設定ファイルなどの機微な内容を除外してください。
  • 組織ポリシー:Copilot でモデルを切り替えられるか、どのモデルに切り替えられるかは組織管理者の設定に依存するため、事前に確認が必要です。
  • 監査ログ:各呼び出しのモデル、呼び出し元、入力範囲を追跡できるようにし、事後の振り返りに備えます。

2.8 MAI Code 2 を過度に解釈すべきでない3つのこと

  • 製品のルーティングは、本稿の企業ガバナンスプロセスと同等ではありません。利用製品が自動モデル選択を提供していても、ルーティングルール、受け入れ基準、権限を独立に検証する必要があり、本稿の5ステップの手法が自動的に実装されていると見なすことはできません。
  • マイクロソフトが OpenAI との協業を放棄したわけではありません。独自のコーディングモデルを発表したからといって、マイクロソフトが OpenAI モデルの利用をやめたと結論づけることはできず、既存の公開資料もこの推論を支持していません。
  • ベンダーの評価結果をそのまま再利用できるわけではありません。性能データと企業事例はいずれもマイクロソフトによるもので、AT&T、Woven by Toyota は特定のカスタムシナリオ、MAI Work Flash は別途最適化された派生モデルです。これらの成果をあなたのタスクに直接移行することはできません。

2.9 MAI Code 2 の今後に注目すべきシグナル

以下は予測的な観察であり、今後の事実によって検証される必要があります。第一に、OpenRouter などのチャネルがいつ実際に開放されるのか、そして開放後の課金方式。第二に、Foundry 上の Flash がいつ限定プレビューを終了するのか、ヘビー級のティアも Foundry に参入するのか。第三に、製品レベルのコンテキスト制限がモデルカードにある 1.05M とどれだけ異なるのか。これはリポジトリレベルのタスクを一度にコンテキストへ収められるかどうかに直接影響します。


2 ティア構成でのリリースが示すシグナルはごく素朴です。プログラミング AI の価値は、毎回最強のモデルを呼び出すことにあるのではなく、タスクの種類ごとにコストと品質のバランス点を見つけることにあります。まずタスクをきちんと登録し、そのうえでデータに境界線を決めさせるほうが、どの総合ランキングの順位を追いかけるよりも信頼できます。まさに『論語・衛霊公』が説く通り、「工欲善其事,必先利其器」(よい仕事を成し遂げたいなら、まず道具を研ぎ澄ませよ)です。


参考資料

関連記事

コメントする