마이크로소프트가 복잡한 엔지니어링 작업과 빈번한 일상 작업을 위해 각각 모델을 내놓았습니다. 이 글의 판단은 이것이 기업에 작업 복잡도에 따라 비용을 배분할 수 있는 새로운 선택지를 제공한다는 것입니다. 2026년 11월 17일, 마이크로소프트는 MAI Code 2와 MAI Code 2 Flash를 발표했습니다. 전자는 다중 파일 수정, 심층 디버깅, 리포지토리 수준 추론을 겨냥하고, 후자는 코드 설명, 국소 수정, 일반 수정, 고빈도 반복 작업을 겨냥합니다.
이 글의 핵심 결론은 기업이 프로그래밍 AI를 평가할 때 어느 모델이 “가장 강한가”만 봐서는 안 된다는 것입니다. 더 중요한 질문은 어떤 작업을 경량 등급에 맡길 수 있고, 어떤 작업은 반드시 중량 등급으로 승격해야 하며, 성공적인 병합 한 건에 실제로 얼마의 비용이 들었는가입니다. 한 가지 짚고 넘어갈 점은, 아래의 작업 계층화 절차가 편집부의 제안이며 마이크로소프트가 이미 제공하는 자동 라우팅 보장은 아니라는 것입니다.
이 글을 읽고 나면 알 수 있는 것
- MAI Code 2와 MAI Code 2 Flash의 포지셔닝 차이, 그리고 현재 어떤 채널에서 사용할 수 있고 어떤 채널이 아직 “출시 예정” 상태인지.
- 모델 카드가 어떤 사양을 공개했는지, 어떤 정보가 벤더의 자체 설명이며 아직 독립적으로 검증되지 않았는지.
- 기업이 “두 등급” 사고방식을 참고해 자체적인 프로그래밍 작업 계층화 절차를 구축하고, 성공률·재작업률·병합당 비용으로 효과를 측정하는 방법.
- 파일럿 전에 데이터 레지던시와 권한 측면에서 점검해야 할 사항, 그리고 흔히 나타나는 몇 가지 과잉 해석.
MAI Code 2 해설 인덱스
1부 「객관적 사실」에서는 두 등급의 포지셔닝, 출시 채널, 모델 카드 사양, 기업 사례와 MAI Work Flash의 관계를 차례로 정리하며, 출처는 마이크로소프트 공개 자료와 GitHub 가격 문서입니다. 2부 「분석과 판단」은 편집부의 관점으로, 먼저 두 등급 이면의 비즈니스 로직을 설명하고, 이어서 작업 대장 구축, 기본 라우팅, 승격 규칙, 사람에 의한 검수, 지표 산출이라는 다섯 단계를 제시하며, 마지막으로 파일럿 점검 항목과 피해야 할 오해를 논의합니다.

To Know: MAI Code 2 듀얼 티어 출시의 핵심 개념 이해하기
| 개념 | 간단한 설명 |
|---|---|
| MAI Code 2 | 마이크로소프트의 헤비급 프로그래밍 모델로, 멀티 파일 작업, 심층 디버깅, 저장소 수준 추론을 겨냥해요 |
| MAI Code 2 Flash | 같은 시리즈의 경량 티어로, 코드 해석, 특정 지점 수정, 일반적인 버그 수정, 고빈도 반복 작업을 겨냥해요 |
| MAI Work Flash | Code 2 Flash를 기반으로 한층 더 최적화한 파생 모델로, M365와 FabricIQ 같은 오피스 및 데이터 시나리오를 담당해요 |
| Foundry | 마이크로소프트의 기업용 모델 및 AI 애플리케이션 개발 플랫폼으로, Flash는 여기서 제한된 미리보기 형태로 제공돼요 |
| Limited-access preview | 제한적 접근 미리보기로, 신청하거나 조건을 충족해야 사용할 수 있으며 전면 개방과는 다른 개념이에요 |
| 컨텍스트 윈도우 | 모델이 한 번에 처리할 수 있는 총 token 수로, 모델 카드에는 1.05M으로 표기되어 있어요 |
| 저장소 수준 추론 | 단일 파일만 보는 게 아니라 전체 코드베이스의 구조와 의존 관계를 이해한 뒤 수정하는 것을 말해요 |
| 모델 라우팅 | 작업 특성에 따라 요청을 서로 다른 모델에 분배하는 전략으로, 수동 규칙이나 프로그램으로 구현할 수 있어요 |
| 재작업률 | AI 산출물이 반려되어 다시 수정해야 하는 비율로, 실제 효율을 가늠하는 핵심 지표예요 |
| 데이터 상주 | 데이터가 저장되고 처리되는 지리적 영역으로, 규정 준수 요구사항과 직결돼요 |
MAI Code 2 듀얼 티어 출시의 영향 한눈에 보기
- 기업 기술 책임자: 구매와 평가의 기준이 “가장 강한 모델 하나를 고르는 것”에서 “작업별로 다른 티어를 배정하는 것”으로 바뀌었어요. 작업 분류와 원가 산정 기준을 미리 마련해 둬야 해요.
- GitHub Copilot 사용 개발자: 두 모델이 이미 Copilot에서 제공되고 있어서, 일상적으로 작업 규모에 따라 능동적으로 전환할 수 있어요. 다만 실제 선택 가능 범위는 소속 조직의 정책을 따르는 게 맞아요.
- Foundry에서 앱을 빌드하는 팀: 현재 Flash만 제한된 미리보기 형태로 제공되고 있어서, 먼저 접근 자격을 확인해야 하고, 전면 제공을 전제로 일정을 잡는 건 바람직하지 않아요.
- 서드파티 플랫폼에 의존하는 개발자: 발표 자료에서 OpenRouter, Vercel, Hermes, OpenCode, Kilo 등의 채널이 “출시 예정”으로 표기돼 있으니, 실제 개방되기 전까지는 운영 계획에 포함하지 말아야 해요.
- 컴플라이언스 및 보안 팀: 모델이 하나 늘어난다는 건 데이터 흐름과 권한 경계가 한 세트 더 늘어난다는 뜻이에요. 파일럿 전에 점검을 마쳐야 해요.
1. 객관적 사실: MAI Code 2와 Flash는 무엇을 출시했나
이 부분은 마이크로소프트가 공개한 자료의 내용만 정리했어요. 성능과 사례에 관한 내용은 모두 벤더 발표나 전언일 뿐 독립적인 평가가 아니며, 저희 팀도 이 두 모델을 실제로 테스트하지 않았어요.
1.1 MAI Code 2 듀얼 포지셔닝: Code 2와 Flash는 각각 무엇을 담당하나
마이크로소프트는 발표문에서 두 모델의 역할 분담을 비교적 명확하게 밝혔어요. 중량급 모델은 전체적인 이해가 필요한 복잡한 엔지니어링 작업을 담당하고, 경량급 모델은 고빈도·국소·빠른 리듬의 일상 작업을 담당해요.
| 차원 | MAI Code 2 | MAI Code 2 Flash |
|---|---|---|
| 공식 포지셔닝 | 다중 파일 수정, 심층 디버깅, 저장소 수준 추론 | 코드 설명, 지정 위치 수정, 일반적 수정, 고빈도 반복 |
| 작업 특성 | 파일 간 의존성이 많고 전체 구조 이해가 필요 | 범위가 명확하고 변경이 국소에 집중됨 |
| 선택 제안(본문 판단) | 먼저 파일 간 정확성 평가 | 먼저 국소 작업 품질과 응답 속도 평가 |
| 평가 성격 | 벤더 자체 평가 | 벤더 자체 평가 |

1.2 MAI Code 2의 출시 채널과 사용 가능 상태
사용 가능 여부는 가장 오해하기 쉬운 부분이에요. 마이크로소프트 발표문과 Azure AI Foundry 블로그에 따르면, 각 채널의 상태는 다음과 같아요:
| 채널 | MAI Code 2 | MAI Code 2 Flash | 상태 설명 |
|---|---|---|---|
| GitHub Copilot | 제공 중 | 제공 중 | 이미 출시됨 |
| Microsoft Foundry | 사용 가능으로 미표기 | 제한적 액세스 미리보기 | 자격 신청 필요 |
| OpenRouter, Vercel, Hermes, OpenCode, Kilo | 곧 출시 | 곧 출시 | 발표문에 soon으로 표기됨, 전체 공개를 의미하지 않음 |
1.3 MAI Code 2 모델 카드 사양
마이크로소프트는 동시에 두 모델의 모델 카드를 발표했습니다. 현재 확인할 수 있는 공개 사양은 다음과 같아요:
- 입력 모달리티는 텍스트와 이미지이고, 출력 모달리티는 텍스트입니다.
- 모델 컨텍스트는 1.05M 토큰이며, 그중 입력 상한은 922k, 출력 상한은 128k입니다.
- 위 수치는 모델 카드 사양일 뿐, 각 제품 진입점에서 보장되는 사용 가능 용량은 아닙니다. 사용할 때는 제품별 제한을 따로 확인해야 해요. 가령 특정 IDE 플러그인에서 쓸 수 있는 컨텍스트는 모델 카드 수치보다 작을 수 있습니다.
총 파라미터 수의 경우 공개 자료 간 버전이 엇갈려서, 이 글에서는 인용하지 않겠습니다.
1.4 MAI Code 2 기업 맞춤 사례와 MAI Work Flash
마이크로소프트는 MAI Code 2 모델 페이지에서 AT&T와 Woven by Toyota 두 기업의 맞춤형 모델 사례를 언급했습니다. 이 내용은 벤더가 전한 설명으로, 특정 기업의 특정 맞춤 활용 사례를 다룬 것이며, “모든 기업 업무에서 같은 효과를 얻을 수 있다”고 일반화할 수는 없어요.
따로 짚고 넘어갈 정보가 하나 더 있는데, 바로 MAI Work Flash입니다. 발표문에 따르면 이것은 Code 2 Flash를 기반으로 한층 더 최적화한 파생 모델로, M365와 FabricIQ에 활용됩니다. 따라서 MAI Work Flash가 사무 환경에서 거둔 성과를 기초 버전인 Code 2 Flash의 성과로 그대로 인용해서는 안 됩니다.
1.5 예산을 세울 때는 프로모션 요율과 장기 비용을 구분해야 해요
GitHub Copilot 가격 문서에 나온 백만 토큰당 미국 달러 요율은 다음과 같아요. 순서는 입력/캐시 입력/출력이에요.
| 모델 | 프로모션 요율 | 2027년 5월 17일부터 적용되는 일반 요율 |
|---|---|---|
| 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 |
공식 문서에서는 이 날짜의 구체적인 시간대를 명시하지 않았어요. 이는 Copilot의 과금 기준이며, Foundry나 서드파티 플랫폼의 견적으로 그대로 사용할 수는 없어요. 마이크로소프트 보도자료의 상대 비용 홍보는 50% 프로모션 가격과 지정된 평가 구성을 전제로 했어요. 기업의 장기 예산에서는 일반 가격, 실패로 인한 재시도, 수작업 재작업까지 함께 산정해야 해요.
2. 분석과 판단: MAI Code 2의 두 가지 티어가 시사하는 기업 업무 계층화
아래 내용은 편집부의 분석과 제안이며, 마이크로소프트의 공식 입장을 대표하지 않아요. 뒤따르는 내용은 마이크로소프트 제품의 자동 라우팅 기능에 대한 설명이 아니에요. 여기서 제안하는 기업용 분기, 승급, 검수 규칙은 별도로 설계하고 검증해야 해요.
2.1 MAI Code 2가 두 단계로 나뉘는 이유: 경쟁 포인트가 종합 순위에서 비용 배분으로 이동
기업 요청에는 “모듈 전체 리팩터링”과 “함수 하나 설명” 같은 작업이 동시에 섞여 있을 수 있어요. 그 비율은 팀의 작업 대장에서 통계를 내야 하며, 대부분이 간단한 작업이라고 미리 가정해서는 안 됩니다. 간단한 작업에도 일률적으로 대형 모델을 투입하면 불필요한 비용이 늘어날 수 있고, 실제 지연 시간은 여전히 측정이 필요해요. 반대로 모든 작업을 경량 모델에 맡기면 복잡한 작업이 쉽게 실패하고 재작업이 반복되기 쉬워요.
두 단계 출시는 사실 이런 트레이드오프를 수면 위로 끌어올린 것이에요. 벤더가 더 이상 단일 모델의 상한만 강조하지 않고, 역할 분담이 명확한 한 쌍의 조합을 내놓는 거죠. 기업 입장에서 진짜 차이를 만드는 것은 적합한 작업을 적합한 단계에 맡길 수 있는지, 그리고 그 결과를 꾸준히 결산할 수 있는지예요. 이 판단은 1.1절의 공식 포지셔닝에 근거한 것이며, 실제 비용 격차가 얼마나 큰지는 각 팀이 자기 데이터로 검증해야 합니다.

2.2 첫 단계: MAI Code 2류 이중 등급 모델을 위한 작업 대장 만들기
먼저 모델을 연결하기 급하게 서두르지 말고, 2~4주 동안 팀이 실제로 AI에 넘긴 프로그래밍 작업을 기록해 두세요. 대장은 복잡할 필요 없고, 핵심은 복잡도를 판단할 수 있는 필드를 남기는 거예요.
| 대장 필드 | 기록 내용 | 판단 기준 |
|---|---|---|
| 작업 유형 | 설명, 수정, 신규 기능, 리팩터링, 디버깅 | 1차 분류 |
| 관련 파일 수 | 단일 파일 또는 다중 파일 | 저장소 수준 이해 필요 여부 |
| 재현 가능한 오류 여부 | 오류 로그나 테스트 케이스 존재 | 디버깅 깊이 |
| 검수 방식 | 단위 테스트 통과, 수동 검토, 배포 후 관찰 | 검수 비용 |
| 결과 | 한 번에 통과, 재작업 횟수, 포기 | 등급을 올바르게 선택했는지 |
대장이 있으면 이후의 계층화 규칙이 근거를 갖게 되지, 감으로 선을 긋지 않아도 돼요.
2.3 두 번째 단계: 저비용 기본 라우팅 설정
저위험, 범위가 명확하고 검수 조건이 충분한 작업만 경량 등급에서 시작하게 하는 걸 권장해요. 파일 수는 단서로 쓸 수 있지만 위험을 단독으로 결정할 수는 없어요. 한 파일 안의 인증, 결제, 프로덕션 설정 변경도 바로 등급을 올리고 수동 검토를 강화해야 할 수 있으니까요.
자동 에이전트를 바로 붙이기보다는 우선 수동 분류표를 작성해 보세요. 코드 설명과 부작용 없는 제안 작업은 먼저 경량 등급을 쓰고, 모듈 간 변경이나 원인이 불분명한 디버깅은 복잡 등급으로 넘기며, 비밀 정보, 프로덕션 권한, 보안 경계와 관련된 작업은 책임자 검토를 거치게 해요. 이 글은 연동 테스트를 진행하지 않았고, 어떤 서드파티가 이 두 모델을 이미 지원한다고 보장하지도 않아요.
2.4 3단계: 복잡한 작업을 위한 에스컬레이션 규칙 만들기
기본 라우팅은 “어느 길로 먼저 갈지”만 해결해 줄 뿐이에요. 언제 에스컬레이션할지도 명확히 정해야 하죠. 두 가지 유형의 트리거 조건을 권장해요.
- 사전 에스컬레이션: 기록 대장에서 작업이 여러 파일에 걸쳐 있거나, 저장소 수준의 이해나 깊은 디버깅이 필요하다고 보이면 바로 헤비 등급에 맡겨요.
- 사후 에스컬레이션: 경량 등급의 결과물이 테스트를 통과하지 못하거나, 같은 작업의 재작업이 합의된 횟수를 넘으면 자동 또는 수동으로 헤비 등급으로 전환해 다시 시도해요.
매 시도마다 작업 식별자, 모델, 사용량, 검수 결과, 에스컬레이션 사유를 기록하세요. 재시도에는 이전 라운드의 실패 정보를 함께 넘기고, 횟수나 예산 상한을 정해야 해요. 상한을 넘으면 사람이 처리하도록 넘기고, 무한 루프를 돌지 않게 하세요. 출력에 함수 이름이나 “테스트 통과”라는 문구가 들어 있다고 해서 성공으로 판정하면 안 돼요. 신뢰할 수 있는 테스트를 실행하고 실제 변경 사항을 확인해야 해요.
2.5 4단계: 사람의 검수는 생략할 수 없어요
어느 등급의 모델이든 결과물은 최종적으로 사람의 검토를 거쳐야만 병합할 수 있어요. 작업 등급에 따라 검수 강도를 다르게 두는 걸 권장해요. 경량 등급의 국소 수정은 테스트 통과와 빠른 검토 위주로, 헤비 등급의 다중 파일 변경은 시니어 엔지니어가 의존 관계와 잠재적 부작용을 검토해야 하죠. 벤더의 평가 성적이 아무리 좋아도, 우리 코드베이스 안에서의 검수를 대신할 수는 없어요.
2.6 다섯 번째 단계: 성공률, 재작업률, 병합당 비용으로 MAI Code 2 계층화 효과 측정하기
토큰 단가만 보면 잘못된 결론을 내리기 쉬워요. 경량 티어는 1회 비용이 더 저렴하지만, 재작업이 세 번만 발생해도 총비용은 오히려 더 높아질 수 있거든요. 그래서 아래 세 가지 지표로 산정해 보시길 권합니다.
| 지표 | 산정 기준 | 설명 |
|---|---|---|
| 성공률 | 1회 통과로 검수를 통과한 작업 수 ÷ 전체 작업 수 | 티어별, 작업 유형별로 각각 집계 |
| 재작업률 | 반려되어 다시 해야 했던 작업 수 ÷ 전체 작업 수 | 재작업률이 높을 때는 티어 구분, 자료 누락, 검수 정의를 함께 점검 |
| 병합당 비용 | (모델 호출 비용 + 인적 검토 및 재작업 공수 환산) ÷ 성공적으로 병합된 PR 수 | 실제 비즈니스 비용에 가장 근접 |
이 세 지표는 반드시 자신의 작업에서 직접 측정해야 하며, 벤더나 미디어가 제시하는 “효율 향상 퍼센트”를 그대로 적용하는 것은 바람직하지 않아요. 코드베이스와 언어, 검수 기준이 다르면 결과 차이가 크게 날 수 있습니다.

2.7 파일럿 전 점검: MAI Code 2의 데이터 레지던시와 권한
모델 티어를 하나 더 도입하면 데이터 흐름도 한 세트 더 생겨요. 파일럿 전에는 최소한 다음 사항을 점검하는 게 좋아요:
- 데이터 레지던시: 사용하는 채널(Copilot, Foundry 또는 서드파티 플랫폼)의 데이터 처리 지역이 업종과 지역의 컴플라이언스 요구사항을 충족하는지 확인해야 해요. Foundry의 Flash는 제한적 프리뷰 단계라 프리뷰 기간 약관이 정식 버전과 다를 수 있어요.
- 코드 접근 권한: 저장소 수준 추론은 모델이 더 넓은 범위의 코드를 읽을 수 있다는 뜻이에요. 접근 가능한 저장소와 디렉터리를 제한하고, 키와 구성 파일 같은 민감한 내용은 제외해야 해요.
- 조직 정책: Copilot에서 모델을 전환할 수 있는지, 어떤 모델로 전환할 수 있는지는 조직 관리자의 설정에 따라 달라지므로 미리 확인해야 해요.
- 감사 로그: 매 호출의 모델, 호출자, 입력 범위를 모두 추적할 수 있어야 사후 검토가 가능해요.
2.8 MAI Code 2를 과도하게 해석하지 말아야 할 세 가지
- 제품 라우팅은 이 글의 기업 거버넌스 프로세스와 같지 않아요. 사용하는 제품이 자동 모델 선택을 제공하더라도 라우팅 규칙, 검수 기준, 권한을 독립적으로 검증해야 하며, 이 글의 5단계 방법론이 이미 자동으로 구현되었다고 볼 수 없어요.
- 마이크로소프트가 OpenAI와의 협력을 포기했다는 뜻이 아니에요. 자체 개발 코딩 모델을 출시했다고 해서 마이크로소프트가 OpenAI 모델을 더 이상 쓰지 않는다는 결론을 내릴 수는 없고, 현재 공개된 자료도 이런 추론을 뒷받침하지 않아요.
- 벤더 평가를 그대로 재사용할 수 있다는 뜻도 아니에요. 성능 데이터와 기업 사례는 모두 마이크로소프트에서 나온 것이고, AT&T와 Woven by Toyota는 특정 맞춤형 시나리오에 해당하며, MAI Work Flash는 별도로 최적화된 파생 모델이에요. 따라서 이들의 성과를 여러분의 작업에 그대로 적용할 수 없어요.
2.9 MAI Code 2 이후 주목할 만한 신호
다음은 예측적 관찰이며, 후속 사실 검증이 필요해요. 첫째, OpenRouter 같은 채널이 언제 실제로 열리는지, 그리고 열린 후의 과금 방식이에요. 둘째, Foundry의 Flash가 언제 제한된 미리보기를 끝내는지, 헤비 티어도 Foundry에 진입하는지예요. 셋째, 제품 레벨의 컨텍스트 제한이 모델 카드의 1.05M과 얼마나 차이 나는지인데, 이는 리포지토리 단위 작업을 한 번에 컨텍스트에 넣을 수 있는지에 직접 영향을 줘요.
두 티어 출시가 던지는 신호는 아주 소박해요. 프로그래밍 AI의 가치는 매번 가장 강한 모델을 호출하는 데 있지 않고, 각 유형의 작업마다 비용과 품질의 균형점을 찾는 데 있어요. 먼저 작업을 명확히 등록하고, 그다음 데이터가 경계선을 결정하게 하는 편이 어떤 종합 순위를 쫓는 것보다 훨씬 신뢰할 만해요. 《논어·위령공》에서 말했듯이 “일을 잘하려면 먼저 연장을 잘 갈아야 한다”는 것과 같아요.
참고 자료
- Microsoft AI: MAI Code 2 및 Flash 발표문
- Microsoft Foundry: 모델 선택과 기업 맞춤화
- MAI Code 2 및 Flash 공식 모델 카드
- Microsoft AI: 기업 맞춤화 사례
- GitHub: Copilot 모델 가격 및 프로모션 날짜