Microsoft выпускает отдельные модели для сложной инженерии и для частых повседневных задач. Вывод этой статьи: у предприятий появляется новый вариант распределять затраты по сложности задач. 17 ноября 2026 года Microsoft выпустила MAI Code 2 и MAI Code 2 Flash. Первая ориентирована на правки в нескольких файлах, глубокую отладку и рассуждения на уровне репозитория, вторая — на объяснение кода, точечные правки, рутинные исправления и частые итерации.
Главный вывод статьи такой: оценивая AI-инструменты для программирования, предприятию не стоит смотреть только на то, какая модель «самая сильная». Важнее другое: какие задачи можно отдать лёгкому уровню, какие обязательно нужно переводить на тяжёлый, и сколько на самом деле стоит каждый успешный мерж. Оговорка: описанный ниже процесс разделения задач по уровням — рекомендация редакции, а не автоматическая маршрутизация, которую уже предоставляет Microsoft.
Что вы узнаете из этой статьи
- Чем различаются позиции MAI Code 2 и MAI Code 2 Flash, и через какие каналы они сейчас доступны, а какие каналы пока находятся в статусе «скоро».
- Какие характеристики раскрыты в карточке модели и какая информация относится к заявлениям вендора и ещё не подтверждена независимо.
- Как предприятию заимствовать идею «двух уровней», выстроить собственный процесс разделения задач программирования по уровням и измерять результат через долю успешных задач, долю переделок и стоимость одного мержа.
- Что нужно проверить с точки зрения резидентности данных и прав доступа перед пилотом, а также какие варианты избыточного толкования встречаются чаще всего.
Индекс разбора MAI Code 2
Первая часть, «Объективные факты», последовательно разбирает позиционирование двух уровней, каналы запуска, характеристики карточки модели, корпоративные кейсы и связь с MAI Work Flash; источники — публичные материалы Microsoft и ценовая документация GitHub. Вторая часть, «Аналитическое суждение», — это мнение редакции: сначала объясняется коммерческая логика, стоящая за двумя уровнями, затем приводятся пять шагов — реестр задач, маршрутизация по умолчанию, правила эскалации, ручная приёмка и расчёт метрик, — а в конце обсуждаются пункты проверки для пилота и заблуждения, которых стоит избегать.

Что нужно знать: ключевые понятия о двух версиях MAI Code 2
| Концепция | Краткое объяснение |
|---|---|
| MAI Code 2 | Тяжёлая модель Microsoft для программирования, рассчитанная на работу с несколькими файлами, глубокую отладку и рассуждения на уровне репозитория |
| MAI Code 2 Flash | Лёгкая версия того же семейства, предназначенная для объяснения кода, точечных правок, обычных исправлений и частых итераций |
| MAI Work Flash | Производная модель, дополнительно оптимизированная на базе Code 2 Flash для офисных сценариев и работы с данными в M365, FabricIQ и подобных продуктах |
| Foundry | Корпоративная платформа Microsoft для разработки моделей и ИИ-приложений; Flash доступна здесь в формате ограниченного предварительного просмотра |
| Limited-access preview | Ограниченный предварительный доступ: нужно подать заявку или соответствовать определённым условиям. Это не то же самое, что полная доступность |
| Контекстное окно | Общий объём токенов, который модель может обработать за один раз; в карточке модели указано 1.05M |
| Рассуждения на уровне репозитория | Понимание структуры и зависимостей всего репозитория кода перед внесением изменений, а не работа только с отдельным файлом |
| Маршрутизация моделей | Стратегия распределения запросов между разными моделями по характеристикам задачи; может реализовываться вручную по правилам или программно |
| Доля повторной работы | Доля ИИ-результатов, которые возвращаются на доработку и требуют повторных изменений; ключевой показатель реальной эффективности |
| Резидентность данных | Географический регион, где хранятся и обрабатываются данные; влияет на соблюдение нормативных требований |
Что несёт двойной релиз MAI Code 2: краткий обзор последствий
- Технические руководители в компаниях: критерии закупки и оценки смещаются с «выбрать одну самую сильную модель» на «подобрать разные уровни под разные задачи» — придётся заранее подготовить классификацию задач и методику расчёта затрат.
- Разработчики, использующие GitHub Copilot: обе модели уже доступны в Copilot, и в повседневной работе можно осознанно переключаться в зависимости от масштаба задачи, но конкретный набор доступных опций определяется политикой вашей организации.
- Команды, строящие приложения на Foundry: сейчас только Flash доступна в виде ограниченного превью, поэтому сначала нужно подтвердить право доступа; планировать сроки исходя из полной доступности не стоит.
- Разработчики, зависящие от сторонних платформ: в пресс-релизе каналы OpenRouter, Vercel, Hermes, OpenCode, Kilo и др. помечены как «скоро будут доступны» — до фактического запуска их не стоит включать в производственные планы.
- Команды по комплаенсу и безопасности: каждая новая модель — это ещё один набор потоков данных и границ прав доступа; проверку нужно завершить до пилотного запуска.
1. Объективные факты: что именно выпустили MAI Code 2 и Flash
В этом разделе собрана только информация из открытых материалов Microsoft. Всё, что касается производительности и кейсов, — это материалы производителя или их пересказ, а не независимое тестирование; наша команда также не проводила практических испытаний этих двух моделей.
1.1 Два уровня MAI Code 2: за что отвечают Code 2 и Flash
В пресс-релизе Microsoft довольно чётко описала разделение обязанностей между двумя моделями: тяжёлая версия отвечает за сложные инженерные задачи, требующие целостного понимания, а лёгкая — за повседневные задачи, которые выполняются часто, локально и в быстром темпе.
| Аспект | MAI Code 2 | MAI Code 2 Flash |
|---|---|---|
| Официальное позиционирование | Изменения в нескольких файлах, глубокая отладка, рассуждения на уровне репозитория | Объяснение кода, точечные изменения, обычные исправления, высокочастотные итерации |
| Особенности задач | Много межфайловых зависимостей, нужно понимать общую структуру | Чёткий объём, изменения сосредоточены в локальной области |
| Рекомендация по выбору (оценка в этой статье) | Сначала оцените корректность при работе с несколькими файлами | Сначала оцените качество выполнения локальных задач и скорость ответа |
| Характер оценки | Оценка производителя | Оценка производителя |

1.2 Каналы запуска MAI Code 2 и статус доступности
Доступность — та часть, которую проще всего понять неправильно. Согласно пресс-релизу Microsoft и блогу Azure AI Foundry, статус каналов выглядит так:
| Канал | MAI Code 2 | MAI Code 2 Flash | Пояснение статуса |
|---|---|---|---|
| GitHub Copilot | Доступен | Доступен | Запущен |
| Microsoft Foundry | Не указан как доступный | Предварительный просмотр с ограниченным доступом | Требуется заявка |
| OpenRouter, Vercel, Hermes, OpenCode, Kilo | Скоро | Скоро | В пресс-релизе указано soon — это не значит, что доступ уже открыт для всех |
1.3 Характеристики в карточке модели MAI Code 2
Microsoft одновременно опубликовала карточки обеих моделей. Вот какие публичные характеристики можно подтвердить сейчас:
- Входные модальности — текст и изображения, выходная — текст.
- Контекст модели — 1.05M токенов, при этом входной лимит — 922k, выходной — 128k.
- Всё это — характеристики из карточки модели, а не обещание доступного лимита для каждого продукта. При использовании нужно отдельно проверять ограничения конкретного продукта. Например, контекст, доступный в каком-нибудь плагине для IDE, может быть меньше значения из карточки модели.
Что касается общего числа параметров, в открытых источниках данные расходятся, поэтому в этой статье мы не считаем их достоверными и не цитируем.
1.4案例企業定制:MAI Code 2 и MAI Work Flash
На странице модели MAI Code 2 компания Microsoft упоминает сценарии кастомизированных моделей для двух предприятий — AT&T и Woven by Toyota. Это пересказ со стороны вендора: речь идёт о специфических задачах конкретных компаний, и распространять такой опыт на тезис «любая корпоративная задача даст тот же результат» нельзя.
Ещё один момент, который стоит выделить отдельно, — MAI Work Flash. В пресс-релизе говорится, что это производная модель, дополнительно оптимизированная на базе Code 2 Flash и предназначенная для M365 и FabricIQ. Поэтому результаты MAI Work Flash в офисных сценариях нельзя напрямую приводить как показатели базовой версии Code 2 Flash.
1.5 Планируя бюджет, различайте промо-тарифы и долгосрочные затраты
В документации GitHub Copilot по ценам указаны тарифы в долларах за миллион токенов в таком порядке: входные/кэшированные входные/выходные:
| Модель | Промо-тариф | Обычный тариф с 17 мая 2027 года |
|---|---|---|
| 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 |
Официально часовой пояс для этой даты не указан. Это расчётная база Copilot, и её нельзя напрямую принимать за расценки Foundry или сторонних платформ. В пресс-релизе Microsoft относительные затраты рекламируются на основе промо-цены со скидкой 50% и заданной конфигурации оценки; при планировании долгосрочного корпоративного бюджета нужно одновременно учитывать обычную цену, повторные попытки при сбоях и ручную доработку.
2. Анализ и выводы: что стоит за двумя уровнями MAI Code 2 — разделение корпоративных задач по уровням
Ниже — анализ и рекомендации редакции, они не отражают официальную позицию Microsoft. Дальше речь идёт не об автоматической маршрутизации в продуктах Microsoft: предлагаемые здесь правила распределения корпоративных задач, эскалации и приёмки нужно отдельно проектировать и проверять.
2.1 Почему MAI Code 2 разбит на два уровня: конкуренция смещается со сводного рейтинга к распределению затрат
В корпоративном потоке запросов могут одновременно встречаться задачи вроде «переписать весь модуль» и «объяснить одну функцию»; пропорции стоит брать из реестра задач команды, а не предполагать по умолчанию, что большинство запросов — простые. Если и простые задачи всегда отдавать большой языковой модели, можно нарастить лишние расходы; фактическую задержку всё равно придётся измерять. Если же отдать всё лёгкой модели, сложные задачи начнут срываться и снова и снова возвращаться на переделку.
Выпуск двух уровней, по сути, выносит этот компромисс на всеобщее обозрение: вендор больше не упирает только на потолок одной модели, а предлагает пару с чётким разделением ролей. Для компании реальное различие создаёт другое: получается ли направлять подходящие задачи на подходящий уровень и постоянно считать результаты. Этот вывод опирается на официальное позиционирование из раздела 1.1; насколько велика разница в фактических затратах — каждая команда должна проверить на своих данных.

2.2 Шаг первый: ведём реестр задач для двухуровневых моделей класса MAI Code 2
Не спешите подключать модель — сначала в течение двух-четырёх недель фиксируйте задачи по программированию, которые команда реально передаёт ИИ. Реестр не обязан быть сложным: важно записывать поля, по которым можно судить о сложности:
| Поле реестра | Что записываем | Для чего используется |
|---|---|---|
| Тип задачи | Объяснение, исправление, новая функция, рефакторинг, отладка | Предварительное отнесение к уровню |
| Количество файлов | Один файл или несколько | Нужно ли понимание на уровне репозитория |
| Есть ли воспроизводимая ошибка | Есть лог ошибки или тест-кейс | Глубина отладки |
| Способ приёмки | Проходят юнит-тесты, ручная проверка, наблюдение после релиза | Стоимость приёмки |
| Результат | Прошло с первого раза, сколько раз переделывали, отказались | Правильно ли выбран уровень |
Когда реестр есть, последующие правила распределения по уровням получают основание, а не проводятся по ощущениям.
2.3 Шаг второй: задаём дешёвый маршрут по умолчанию
Рекомендую начинать с лёгкого уровня только для задач с низким риском, чётким объёмом и достаточными условиями приёмки. Количество файлов может служить подсказкой, но само по себе не определяет риск: изменение аутентификации, платежей или продакшен-конфигурации в одном файле тоже может потребовать немедленного повышения уровня и усиленной ручной проверки.
Сначала лучше написать таблицу ручной маршрутизации, а не сразу подключать автоматического агента: объяснение кода и задачи-советы без побочных эффектов — на лёгкий уровень; изменения в нескольких модулях и отладка с неясной первопричиной — на сложный уровень; задачи, связанные с секретной информацией, продакшен-правами или границами безопасности, сначала проходят проверку ответственного. В этой статье мы не проводили интеграционного тестирования и не гарантируем, что какая-либо третья сторона уже поддерживает эти две модели.
2.4 Шаг третий: правила эскалации для сложных задач
Маршрутизация по умолчанию решает только вопрос «по какому пути идти сначала», но ещё нужно чётко определить, когда повышать уровень. Рекомендую использовать два типа триггеров:
- Упреждающая эскалация: если в реестре видно, что задача затрагивает несколько файлов, требует понимания на уровне всего репозитория или глубокой отладки, сразу отдавайте её тяжёлому уровню.
- Эскалация по результату: если результат лёгкого уровня не прошёл тесты или одну и ту же задачу переделывали больше оговорённого числа раз, автоматически или вручную переключитесь на тяжёлый уровень и повторите попытку.
Для каждой попытки фиксируйте идентификатор задачи, модель, расход ресурсов, результат приёмки и причину эскалации. При повторной попытке прикладывайте информацию о провале предыдущего раунда и задавайте лимит на число попыток или бюджет; если лимит превышен — передавайте задачу человеку, а не крутите цикл бесконечно. Нельзя считать успехом только потому, что в выводе есть имя функции или текст «тесты прошли» — запускайте доверенные тесты и сверяйте фактические изменения.
2.5 Шаг четвёртый: без ручной приёмки никуда
Неважно, какой уровень модели задействован, — результат всё равно должен пройти человеческую проверку, прежде чем его можно будет слить. Рекомендую задавать разную интенсивность приёмки в зависимости от уровня задачи: для точечных правок лёгкого уровня достаточно прохождения тестов плюс быстрого просмотра; для многофайловых изменений тяжёлого уровня нужен опытный инженер, который проверит зависимости и возможные побочные эффекты. Какими бы хорошими ни были результаты вендорских бенчмарков, они не заменят приёмку в вашей собственной кодовой базе.
2.6 Шаг 5: оцениваем эффект от разбиения MAI Code 2 на уровни по доле успешных задач, доле переделок и стоимости одного слияния
Если смотреть только на цену за токен, легко прийти к неверному выводу: облегчённый уровень дешевле за один вызов, но если задачу приходится переделывать трижды, итоговая стоимость может оказаться выше. Считать стоит по трём метрикам:
| Метрика | Как считается | Пояснение |
|---|---|---|
| Доля успешных задач | Задачи, прошедшие приёмку с первого раза ÷ общее число задач | Считать отдельно по уровням и по типам задач |
| Доля переделок | Задачи, возвращённые на доработку ÷ общее число задач | Если доля переделок высокая, проверьте заодно разбиение на уровни, нехватку материалов и формулировку критериев приёмки |
| Стоимость одного слияния | (расходы на вызовы модели + трудозатраты на ревью и переделки в деньгах) ÷ число успешно слитых PR | Ближе всего к реальной стоимости для бизнеса |
Эти три метрики нужно измерять на своих задачах, а не подставлять напрямую «проценты прироста эффективности» от вендоров или из медиа. На разных кодовых базах, в разных языках и при разных критериях приёмки результаты могут расходиться очень сильно.

2.7 Проверка перед пилотом: размещение данных и права доступа в MAI Code 2
Каждый дополнительный уровень модели — это ещё один набор потоков данных. Перед пилотом стоит как минимум проверить следующее:
- Размещение данных: убедитесь, что регион обработки данных у выбранного канала (Copilot, Foundry или сторонняя платформа) соответствует требованиям комплаенса вашей отрасли и региона. Flash в Foundry находится в стадии ограниченного предпросмотра, и условия предпросмотра могут отличаться от условий финальной версии.
- Права доступа к коду: вывод на уровне репозитория означает, что модель может читать более широкий круг кода. Ограничьте доступные репозитории и каталоги, исключите секреты, конфигурационные файлы и другие чувствительные данные.
- Политики организации: возможность переключения моделей в Copilot и то, какие именно модели доступны, зависит от настроек администратора организации — это нужно подтвердить заранее.
- Журналы аудита: обеспечьте, чтобы для каждого вызова были отслеживаемы модель, инициатор и охват входных данных — это нужно для последующего разбора.
2.8 Три вещи, которые не стоит переоценивать в MAI Code 2
- Маршрутизация на уровне продукта — это не корпоративный процесс управления из этой статьи. Даже если продукт предлагает автоматический выбор модели, правила маршрутизации, критерии приёмки и права доступа всё равно нужно проверять самостоятельно. Нельзя считать, что пятишаговый подход из этой статьи уже реализован автоматически.
- Это не значит, что Microsoft отказалась от сотрудничества с OpenAI. Выпуск собственной модели для программирования вовсе не приводит к выводу, что Microsoft перестала использовать модели OpenAI, и имеющиеся публичные материалы такой вывод не подтверждают.
- Это не значит, что вендорские бенчмарки можно переносить на свои задачи напрямую. Данные о производительности и корпоративные кейсы получены от Microsoft; AT&T и Woven by Toyota — это специфические кастомизированные сценарии, а MAI Work Flash — отдельно оптимизированная производная модель. Их результаты нельзя напрямую перенести на ваши задачи.
2.9 Сигналы, за которыми стоит следить после выхода MAI Code 2
Ниже — прогнозные наблюдения, которые ещё предстоит подтвердить фактами. Во-первых, когда реально откроются каналы вроде OpenRouter и как будет устроена тарификация после открытия. Во-вторых, когда Flash в Foundry выйдет из ограниченного превью и попадёт ли тяжёлый вариант в Foundry. В-третьих, насколько ограничение контекста на уровне продукта отличается от 1.05M в карточке модели — это напрямую влияет на то, поместится ли задача уровня репозитория в контекст за один раз.
Сигнал, который посылает выпуск двух вариантов, прост: ценность ИИ для программирования не в том, чтобы каждый раз вызывать самую мощную модель, а в том, чтобы для каждого типа задач найти баланс между стоимостью и качеством. Сначала чётко зарегистрировать задачи, а затем позволить данным определить границу — это надёжнее, чем гоняться за любым местом в общем рейтинге. Как говорится в «Лунь юй. Вэй Лин гун»: «Ремесленник, желающий хорошо выполнить свою работу, должен сначала заточить свои инструменты».
Справочные материалы
- Microsoft AI: анонс MAI Code 2 и Flash
- Microsoft Foundry: выбор модели и корпоративная настройка
- Официальная карточка моделей MAI Code 2 и Flash
- Microsoft AI: примеры корпоративной настройки
- GitHub: цены на модели Copilot и даты акций