Por que a Microsoft dividiu o modelo de programação em dois níveis? Uma análise do MAI Code 2 sobre o método de 5 etapas para a estratificação de tarefas na IA empresarial

A Microsoft oferece modelos distintos para engenharia complexa e tarefas rotineiras de alta frequência. A avaliação deste artigo é que isso dá às empresas uma nova opção para alocar custos conforme a complexidade da tarefa. Em 17 de novembro de 2026, a Microsoft lançou o MAI Code 2 e o MAI Code 2 Flash. O primeiro é voltado para modificações em múltiplos arquivos, depuração profunda e raciocínio no nível de repositório; o segundo, para explicação de código, modificações pontuais, correções de rotina e iteração de alta frequência.

A conclusão central deste artigo é: ao avaliar IA de programação, as empresas não devem olhar apenas para qual modelo é “o mais forte”. A pergunta mais importante é quais tarefas podem ser entregues à versão leve, quais precisam ser escaladas para a versão pesada e quanto realmente custou cada merge bem-sucedido. É preciso deixar claro que o fluxo de estratificação de tarefas descrito abaixo é uma sugestão da redação, não uma garantia de roteamento automático já oferecida pela Microsoft.

O que você vai aprender ao ler este artigo

  • A diferença de posicionamento entre o MAI Code 2 e o MAI Code 2 Flash, e em quais canais eles estão disponíveis hoje e quais ainda estão com status “em breve”.
  • Quais especificações o model card revela e quais informações são declarações do fornecedor ainda não verificadas de forma independente.
  • Como as empresas podem usar a ideia das “duas versões” para montar seu próprio fluxo de estratificação de tarefas de programação e medir os resultados com taxa de sucesso, taxa de retrabalho e custo por merge.
  • Itens que precisam ser verificados em relação à residência de dados e permissões antes de um piloto, além de várias formas comuns de interpretação exagerada.

Índice de leitura do MAI Code 2

A primeira parte, “Fatos objetivos”, organiza em ordem o posicionamento das duas versões, os canais de lançamento, as especificações do model card, o caso empresarial e a relação com o MAI Work Flash, com base em materiais públicos da Microsoft e na documentação de preços do GitHub. A segunda parte, “Análise e julgamento”, traz a visão da redação: primeiro explica a lógica de negócios por trás das duas versões, depois apresenta cinco etapas — criar o registro de tarefas, definir o roteamento padrão, estabelecer regras de escalonamento, fazer a aceitação humana e calcular as métricas — e, por fim, discute os itens de verificação do piloto e as interpretações equivocadas a evitar.

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


Para saber: conceitos-chave para entender o lançamento em duas versões do MAI Code 2

Conceito Explicação breve
MAI Code 2 Modelo de programação de grande porte da Microsoft, voltado para múltiplos arquivos, depuração profunda e raciocínio em nível de repositório
MAI Code 2 Flash A versão leve da mesma família, voltada para explicação de código, alterações pontuais, correções de rotina e iterações de alta frequência
MAI Work Flash Modelo derivado e mais otimizado a partir do Code 2 Flash, para cenários de produtividade e dados como M365 e FabricIQ
Foundry Plataforma da Microsoft para desenvolvimento de modelos e aplicações de IA para empresas; o Flash é oferecido ali como prévia de acesso limitado
Prévia de acesso limitado (Limited-access preview) Prévia que exige solicitação de acesso ou o cumprimento de certos requisitos; não equivale a disponibilidade aberta a todos
Janela de contexto Quantidade total de tokens que o modelo consegue processar em uma única vez; a ficha do modelo informa 1.05M
Raciocínio em nível de repositório Entender a estrutura e as dependências do repositório inteiro antes de fazer alterações, em vez de olhar apenas para um arquivo isolado
Roteamento de modelos Estratégia de encaminhar requisições para modelos diferentes conforme as características da tarefa, seja por regras manuais ou por implementação em software
Taxa de retrabalho Proporção de resultados de IA que são devolvidos e precisam ser alterados novamente; é um indicador-chave da eficiência real
Residência de dados Região geográfica onde os dados são armazenados e processados, o que está ligado a exigências de conformidade

Visão rápida do impacto do lançamento em duas versões do MAI Code 2

  • Líderes técnicos de empresas: A dimensão de compra e avaliação passou de “escolher o modelo mais forte” para “configurar versões diferentes para tarefas diferentes”, sendo necessário preparar a categorização de tarefas e os critérios de apuração de custos.
  • Desenvolvedores que usam GitHub Copilot: Os dois modelos já estão disponíveis no Copilot, e no dia a dia é possível alternar ativamente conforme o tamanho da tarefa, mas o escopo específico disponível depende da política da organização.
  • Equipes que constroem aplicações no Foundry: No momento, apenas o Flash está disponível em formato de prévia restrita, sendo necessário confirmar primeiro a elegibilidade de acesso, não sendo adequado programar com base em disponibilidade total.
  • Desenvolvedores que dependem de plataformas de terceiros: No comunicado de lançamento, canais como OpenRouter, Vercel, Hermes, OpenCode e Kilo estão marcados como “em breve”, e não devem ser incluídos em planos de produção antes da abertura efetiva.
  • Equipes de conformidade e segurança: Um modelo adicional significa mais um conjunto de fluxos de dados e limites de permissão, sendo necessário concluir a verificação antes do piloto.

1. Fatos objetivos: o que o MAI Code 2 e o Flash lançaram

Esta seção organiza apenas informações de materiais públicos da Microsoft. O conteúdo relacionado a desempenho e casos é do lançamento do fabricante ou repassado, não sendo avaliação independente, e nossa equipe também não realizou testes práticos nestes dois modelos.

1.1 O posicionamento em duas versões do MAI Code 2: o que cada um faz — Code 2 e Flash

No comunicado de lançamento, a Microsoft deixou bem clara a divisão de trabalho entre os dois modelos: a versão pesada fica responsável por tarefas de engenharia complexas que exigem compreensão global, enquanto a versão leve cuida das tarefas do dia a dia — de alta frequência, escopo local e ritmo acelerado.

Dimensão MAI Code 2 MAI Code 2 Flash
Posicionamento oficial Modificação de múltiplos arquivos, depuração profunda, raciocínio em nível de repositório Explicação de código, modificação pontual, correções de rotina, iteração de alta frequência
Características da tarefa Muitas dependências entre arquivos, exige entender a estrutura como um todo Escopo bem definido, mudanças concentradas em pontos locais
Recomendação de escolha (avaliação deste artigo) Avaliar primeiro a correção entre arquivos Avaliar primeiro a qualidade da tarefa local e a velocidade de resposta
Natureza da avaliação Avaliação do fabricante Avaliação do fabricante

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

1.2 Canais de lançamento e disponibilidade do MAI Code 2

A disponibilidade é a parte mais sujeita a interpretação errada. De acordo com o comunicado da Microsoft e o blog do Azure AI Foundry, a situação de cada canal é esta:

Canal MAI Code 2 MAI Code 2 Flash Status
GitHub Copilot Disponível Disponível Já lançado
Microsoft Foundry Não listado como disponível Prévia com acesso restrito Requer solicitação de qualificação
OpenRouter, Vercel, Hermes, OpenCode, Kilo Em breve Em breve O comunicado de lançamento indica “soon”, o que não significa liberação geral

1.3 Especificações do model card do MAI Code 2

A Microsoft também publicou os model cards dos dois modelos. As especificações públicas confirmadas até agora são:

  • Modalidade de entrada: texto e imagem; modalidade de saída: texto.
  • A janela de contexto do modelo é de 1.05M tokens, com limite de entrada de 922k e limite de saída de 128k.
  • Essas são especificações do model card, não uma garantia de capacidade disponível em cada ponto de entrada do produto. Ao usar, é preciso verificar também as restrições específicas de cada produto. Por exemplo, a janela de contexto disponível em um plugin de IDE pode ser menor que o valor do model card.

Sobre o número total de parâmetros, há versões inconsistentes nos materiais públicos; este artigo não as considera confiáveis nem as cita.

1.4 Estudo de caso de personalização empresarial do MAI Code 2 e MAI Work Flash

Na página do modelo MAI Code 2, a Microsoft menciona os cenários de modelos personalizados de duas empresas: AT&T e Woven by Toyota. Essas informações são relatos repassados pelo fornecedor, que descrevem usos personalizados específicos de empresas específicas, e não podem ser generalizadas como “todas as tarefas empresariais obterão o mesmo resultado”.

Outra informação que vale destacar separadamente é o MAI Work Flash. O comunicado de lançamento afirma que se trata de um modelo derivado, otimizado a partir do Code 2 Flash, que atende ao M365 e ao FabricIQ. Portanto, os resultados do MAI Work Flash em cenários de escritório não podem ser citados diretamente como os resultados do Code 2 Flash básico.

1.5 Ao fazer orçamento, é preciso distinguir taxas promocionais de custos de longo prazo

A documentação de preços do GitHub Copilot lista as seguintes tarifas em dólares por milhão de tokens, na ordem entrada / entrada em cache / saída:

Modelo Taxa promocional Taxa regular a partir de 17 de maio de 2027
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

A documentação oficial não especifica o fuso horário dessa data. Esse é o critério de cobrança do Copilot e não pode ser usado diretamente como cotação do Foundry ou de plataformas de terceiros. A divulgação de custo relativo no comunicado da Microsoft usa o preço promocional de 50% e uma configuração de avaliação específica; o orçamento empresarial de longo prazo deve considerar também o preço regular, as novas tentativas em caso de falha e o retrabalho manual.

2. Análise e julgamento: a estratificação de tarefas corporativas por trás das duas variantes do MAI Code 2

A seguir estão a análise e as recomendações da redação; elas não representam a posição oficial da Microsoft. O texto abaixo não descreve o recurso de roteamento automático dos produtos da Microsoft; as regras de triagem, escalonamento e aceitação para empresas propostas aqui precisam ser projetadas e validadas separadamente.

2.1 Por que o MAI Code 2 foi dividido em duas variantes: o diferencial competitivo deixa o ranking geral e passa para a alocação de custos

As solicitações corporativas podem incluir, ao mesmo tempo, tarefas como “refatorar o módulo inteiro” e “explicar uma função”; a proporção deve ser levantada a partir do registro de tarefas da equipe, sem presumir que a maioria seja de tarefas simples. Se tarefas simples também forem sempre enviadas a modelos grandes, isso pode aumentar custos desnecessários; a latência real ainda precisa ser medida. Já se tudo for entregue a modelos leves, tarefas complexas tendem a falhar e gerar retrabalho repetido.

O lançamento em duas variantes, na prática, coloca essa escolha sobre a mesa: o fornecedor deixa de destacar apenas o limite máximo de um único modelo e passa a oferecer um par de modelos com papéis bem definidos. Para as empresas, o que realmente cria diferença é conseguir encaminhar a tarefa certa ao nível certo e acompanhar os resultados de forma contínua. Essa avaliação parte do posicionamento oficial da seção 1.1; quanto à magnitude real da diferença de custos, cada equipe precisa verificá-la com seus próprios dados.

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

2.2 Primeiro passo: criar um registro de tarefas para modelos de duas faixas como o MAI Code 2

Não tenha pressa em conectar o modelo. Em vez disso, use de duas a quatro semanas para registrar as tarefas de programação que a equipe realmente entrega à IA. O registro não precisa ser elaborado; o importante é anotar os campos que permitem avaliar a complexidade:

Campo do registro O que registrar Serve para avaliar
Tipo de tarefa Explicação, correção, nova funcionalidade, refatoração, depuração Classificação inicial
Número de arquivos envolvidos Arquivo único ou múltiplos arquivos Se é preciso entendimento em nível de repositório
Há erro reproduzível Existe log de erro ou caso de teste Profundidade da depuração
Forma de aceitação Teste unitário passa, revisão manual, observação em produção Custo da aceitação
Resultado Passou de primeira, retrabalho algumas vezes, desistência Se a faixa foi escolhida corretamente

Com o registro em mãos, as regras de estratificação que vêm depois passam a ter base, em vez de serem linhas traçadas por intuição.

2.3 Segundo passo: definir um roteamento padrão de baixo custo

A recomendação é começar pela faixa leve apenas para tarefas de baixo risco, escopo bem definido e critérios de aceitação suficientes. O número de arquivos pode servir como pista, mas não determina o risco sozinho: mexer na autenticação, no pagamento ou na configuração de produção dentro de um único arquivo também pode exigir upgrade direto e reforço da revisão humana.

Talvez valha mais a pena escrever uma tabela de triagem manual antes de conectar um agente automático: explicações de código e tarefas de sugestão sem efeitos colaterais podem usar a faixa leve primeiro; mudanças entre módulos e depurações com causa raiz desconhecida vão para a faixa complexa; tarefas que envolvem informações sigilosas, permissões de produção ou fronteiras de segurança passam primeiro pela revisão do responsável. Este artigo não executou testes de integração e não garante que qualquer terceiro já suporte esses dois modelos.

2.4 Etapa 3: Definir regras de escalonamento para tarefas complexas

O roteamento padrão só resolve a questão de “qual caminho seguir primeiro”; ainda é preciso definir quando escalonar. Recomenda-se adotar dois tipos de gatilho:

  • Escalonamento antes da execução: quando o registro mostra que a tarefa envolve vários arquivos, exige entendimento em nível de repositório ou depuração profunda, encaminhe-a diretamente para o nível pesado.
  • Escalonamento depois da execução: se a saída do nível leve não passar nos testes, ou se a mesma tarefa exigir retrabalho além do número combinado de vezes, mude automática ou manualmente para o nível pesado e tente novamente.

Para cada tentativa, registre o identificador da tarefa, o modelo, o uso, o resultado da aceitação e o motivo do escalonamento. As novas tentativas devem incluir as informações de falha da rodada anterior e ter um limite de tentativas ou de orçamento; ao ultrapassar o limite, encaminhe para tratamento humano, sem entrar em loop infinito. Não determine sucesso apenas porque a saída contém nomes de funções ou o texto “testes aprovados”; execute testes confiáveis e verifique as mudanças reais.

2.5 Etapa 4: A revisão humana é indispensável

Independentemente do nível do modelo, a saída sempre precisa passar por revisão humana antes da mesclagem. Recomenda-se definir intensidades de aceitação diferentes conforme o nível da tarefa: no nível leve, alterações pontuais devem se basear principalmente em testes aprovados mais uma revisão rápida; no nível pesado, mudanças em vários arquivos exigem que engenheiros experientes revisem dependências e possíveis efeitos colaterais. Por melhores que sejam os resultados de avaliação dos fornecedores, eles não substituem a aceitação no seu próprio repositório.

2.6 Quinto passo: medir o efeito da estratificação do MAI Code 2 com taxa de sucesso, taxa de retrabalho e custo por merge

Olhar apenas para o preço unitário do token pode levar a conclusões erradas: o nível mais leve é mais barato por chamada, mas, se for preciso refazer três vezes, o custo total pode acabar sendo maior. A recomendação é usar os três indicadores abaixo para fazer as contas:

Indicador Critério de cálculo Descrição
Taxa de sucesso Número de tarefas aprovadas de primeira ÷ número total de tarefas Estatize separadamente por nível e por tipo de tarefa
Taxa de retrabalho Número de tarefas devolvidas para refazer ÷ número total de tarefas Quando a taxa de retrabalho estiver alta, investigue ao mesmo tempo a alocação nos níveis, a falta de informações e a definição de critérios de aceite
Custo por merge (custo de invocação do modelo + horas de revisão humana e retrabalho convertidas em custo) ÷ número de PRs mesclados com sucesso O que mais se aproxima do custo real de negócio

Esses três indicadores devem ser medidos nas suas próprias tarefas, e não vale simplesmente copiar o “percentual de ganho de eficiência” divulgado por fornecedores ou pela mídia. Em bases de código, linguagens e critérios de aceite diferentes, os resultados podem variar bastante.

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

2.7 Verificação antes do piloto: residência de dados e permissões do MAI Code 2

Cada vez que você adiciona um novo nível de modelo, surge também um novo conjunto de fluxos de dados. Antes do piloto, vale a pena verificar pelo menos os pontos a seguir:

  • Residência de dados: confirme se a região de processamento de dados do canal utilizado (Copilot, Foundry ou plataformas de terceiros) atende aos requisitos de conformidade do seu setor e da sua localidade. O Flash no Foundry está em fase de preview restrito, e os termos desse período de preview podem ser diferentes dos da versão oficial.
  • Permissões de acesso ao código: a inferência em nível de repositório significa que o modelo pode ler uma faixa maior de código. Restrinja os repositórios e diretórios acessíveis e exclua conteúdos sensíveis, como chaves e arquivos de configuração.
  • Políticas organizacionais: a possibilidade de trocar de modelo no Copilot — e quais modelos podem ser trocados — depende das configurações do administrador da organização, então é preciso confirmar isso com antecedência.
  • Registros de auditoria: garanta que o modelo, o solicitante e o escopo de entrada de cada invocação sejam rastreáveis, para facilitar a revisão posterior.

2.8 Três coisas que não se deve interpretar demais sobre o MAI Code 2

  • O roteamento do produto não equivale ao fluxo de governança corporativa descrito neste artigo. Mesmo que o produto utilizado ofereça seleção automática de modelo, é preciso verificar de forma independente as regras de roteamento, os critérios de aceitação e as permissões. Não se pode considerar que o método de cinco etapas deste artigo já esteja implementado automaticamente.
  • Isso não significa que a Microsoft tenha abandonado a parceria com a OpenAI. Lançar um modelo de programação próprio não permite concluir que a Microsoft descartou os modelos da OpenAI, e os materiais públicos disponíveis também não sustentam essa inferência.
  • Isso não significa que as avaliações do fornecedor possam ser reutilizadas diretamente. Os dados de desempenho e os casos empresariais vêm todos da Microsoft. AT&T e Woven by Toyota são cenários de customização específicos, e o MAI Work Flash é um modelo derivado otimizado à parte; os resultados de nenhum deles podem ser transferidos diretamente para as suas tarefas.

2.9 Sinais que merecem atenção futura no MAI Code 2

As observações a seguir são de natureza preditiva e aguardam verificação factual posterior. Primeiro, quando canais como o OpenRouter realmente serão abertos e qual será o modelo de cobrança após a abertura. Segundo, quando o Flash no Foundry sairá da pré-visualização restrita e se o nível pesado também entrará no Foundry. Terceiro, quanto a limitação de contexto no nível do produto difere do 1,05M indicado no model card — isso afeta diretamente se tarefas em nível de repositório conseguirão caber no contexto de uma só vez.


O sinal emitido pelo lançamento em duas variantes é bem simples: o valor da IA de programação não está em invocar o modelo mais forte todas as vezes, mas em encontrar o ponto de equilíbrio entre custo e qualidade para cada tipo de tarefa. Registrar bem as tarefas primeiro e depois deixar os dados definirem a linha divisória é mais confiável do que correr atrás de qualquer posição em um ranking geral. Como diz o Lunyu (Analects), no capítulo Wei Ling Gong: “Para fazer bem o seu trabalho, é preciso primeiro afiar as ferramentas.”


Referências

Artigos relacionados

Deixe um comentário