İçeriğe atla
SinaptikLabAI KNOWLEDGE PLATFORM

MODEL VARLIĞI

MAI-Code-1.1-Flash

MAI-Code-1.1-Flash, Microsoft AI'nın GitHub Copilot ve VS Code içine gömülü hafif kodlama modelidir. Microsoft, GitHub Copilot CLI'da Terminal-Bench 2.1 üzerinde %22, .NET görevlerinde %15 iyileşme bildiriyor. Öne çıkan tarafı doğruluk değil ekonomi: token'lar %25 daha hızlı akıyor, aynı görev %25 daha az token ile tamamlanıyor ve Haziran 2026'da çıkan MAI-Code-1.0'ın dörtte bir maliyetiyle çalışıyor. Bu yüzden sınırsız akıl yürütme gerektiren işler için değil, yüksek hacimli ajan kodlama döngüleri için konumlanmış bir modeldir.

Künye

Kapalı
Geliştirici
Microsoft
Model tipi
Metin LLM
Modaliteler
metin · kod
Açık ağırlık
Yok
Lisans
Tescilli
Yönetilen API
Var
Yayın
2026-08-11

Son doğrulama: 12 Eylül 2026

Yetenekler

  • GitHub Copilot CLI'da Terminal-Bench 2.1 üzerinde %22 iyileşme (Microsoft ölçümü)
  • .NET görevlerinde %15 iyileşme
  • Token akışı %25 daha hızlı; aynı görev için %25 daha az token tüketimi
  • MAI-Code-1.0'a göre dörtte bir maliyet
  • Kod kalıcılığında (code survival) %4, geri dönüş ziyaretlerinde %9 artış
  • GitHub Copilot ve VS Code içinde ajan (agentic) kullanım için üretimde

Sınırlılıklar

  • Bağlam penceresi Microsoft tarafından yayımlanmadı
  • Erişim GitHub Copilot ve VS Code yüzeylerine bağlı; bağımsız token fiyatlı genel API duyurulmadı
  • "Flash" sınıfı hafif model olarak konumlandırılmış; en zor akıl yürütme görevleri için MAI-Thinking-1'e yönlendiriliyor
  • Bildirilen kıyaslama iyileşmeleri Microsoft'un kendi ölçümleri ve mutlak skor olarak değil göreli yüzde olarak verilmiş
  • Ağırlıklar kapalı

Tipik kullanım alanları

  • Terminal/CLI tabanlı kodlama ajanları
  • .NET proje bakımı ve refactor
  • Yüksek hacimli otomatik kod tamamlama
  • Maliyet duyarlı CI/CD içi kod üretimi

Benchmark politikası

Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji

BUILD

Hangi modeli seçeceğinize karar veremiyor musunuz?

Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.