MAI Code 2 と Code 2 Flash を一言で
- Microsoft は 2026 年 11 月 17 日に両モデルを発表し、同日 GitHub Copilot で一般提供(GA)を開始しました。Flash は Microsoft Foundry でも限定アクセスのプレビューとして提供されています。
- 同じファミリーです。アーキテクチャも学習レシピもデータ構成も共通で、違いは規模だけ。Code 2 はアクティブ 77B、Flash は 12B、どちらもコンテキストは 1,050,000 トークンです。
- Microsoft 自身のベンチマークでは、Code 2 が平均合格率 63.2%・1 タスク $0.309、Flash が 61.0%・$0.052。Microsoft は Code 2 を「GPT-6.1 Sol の 98% の性能を 40% のコストで」と位置づけています。
- Copilot の提供範囲は異なります。Flash は Free と Student でも使え、Code 2 は Pro 以上。どちらも AI クレジットの従量課金で、プロモ期間中の Flash は 100 万入力トークン $0.05/出力 $0.25 です。
Introducing MAI Code 2 and MAI Code 2 Flash
出典microsoft.ai2026-11-20
MAI Code 2 and MAI Code 2 Flash — Model Card (PDF)
出典microsoft.ai2026-11-20
MAI Code 2 and MAI Code 2 Flash in GitHub Copilot
出典github.blog2026-11-20
Models and pricing for GitHub Copilot
出典docs.github.com2026-11-20
Supported AI models in GitHub Copilot
出典docs.github.com2026-11-20
本ページのスペック、ベンチマーク、価格、プラン対象は 2026-11-20 に上記の出典から読み取りました。そこに書かれていない数字は本ページにも載せていません。
MAI Code 2 と MAI Code 2 Flash とは
Microsoft AI のエージェント型コーディングモデルで、2026 年 11 月 17 日に発表されました。Microsoft の説明は「日常的な企業のコーディング作業向けに作られた 2 つの新しいコーディングモデルで、競合の数分の一のコストで leading な性能を出す」というものです。
役割分担は意図的です。Code 2 は大型で「コードを本番に載せる、深いデバッグ、複数ファイルの実装、リポジトリ全体の推論、UI」を担います。Flash は「コードの説明、的を絞った編集、定型的な修正、素早い反復といった大量処理向けに設計され、はるかに低いコストで品質を提供する」モデルです。
両モデルとも Microsoft がゼロから事前学習・事後学習しており、ホスト型のみの提供です。モデルカードはローカルハードウェア不要、重みは配布しないと明記しています。リリース時点では「英語のコード生成に最適化」されており、「基礎科学研究や非常に長いホライズンのエージェント作業のような難しい問題には、まだ明示的にチューニングしていない」と Microsoft 自身が書いています。
公式スペックを並べて比較
モデルカード(2026 年 11 月 17 日最終更新)と GitHub のサポートモデル一覧から、2026-11-20 に読み取りました。
| 項目 | MAI Code 2 | MAI Code 2 Flash |
|---|---|---|
| アーキテクチャ | Decoder-only Transformer、スパース MoE 層、統合ビジョンエンコーダ | 同じアーキテクチャ系列と学習レシピ、より小さいベース |
| パラメータ | アクティブ 77B · 埋め込み 3B · 合計約 2.8T | アクティブ 12B · 合計約 398B |
| コンテキスト | 1,050,000 トークン(入力上限 922,000 / 出力上限 128,000) | 1,050,000 トークン(入力上限 922,000 / 出力上限 128,000) |
| 入力 | テキストと画像 | テキストと画像 |
| 推論レベル | 可変:low、medium、high、xhigh、max | 可変:low、medium、high、xhigh、max |
| 知識カットオフ | 2026 年 8 月 | 2026 年 8 月 |
| リリース | 2026 年 11 月 17 日 — GitHub Copilot で GA | 2026 年 11 月 17 日 — GitHub Copilot で GA、Microsoft Foundry では限定プレビュー |
| Copilot プラン | Pro、Pro+、Max、Business、Enterprise | Free、Student、Pro、Pro+、Max、Business、Enterprise |
| 100 万トークンあたり(プロモ) | 入力 $0.50 · キャッシュ $0.025 · 出力 $2.50 | 入力 $0.05 · キャッシュ $0.005 · 出力 $0.25 |
| 重み | Azure GPU 上のホスト型サービス。重みは非配布 | Azure GPU 上のホスト型サービス。重みは非配布 |
モデルカードの要約表はパラメータ数を範囲で示しています(Code 2 は 50B–100B・アクティブ 80B、Flash は 5B–15B・アクティブ 12B)。本文第 1 節には上記の正確な数字があり、食い違う場合は本文を採っています。
Microsoft が公開したベンチマーク
最大推論レベルでの合格率で、Microsoft 自身の評価基盤で計測されたものです。Flash は FrontierCode を走らせていないため、その行は空欄です。列をまたいで平均値を比べないでください。
| ベンチマーク | MAI Code 2 | MAI Code 2 Flash |
|---|---|---|
| DeepSWE 1.1 | 73.2% | 59.9% |
| Terminal-Bench 2.1 | 84.6% | 78.3% |
| SWE Atlas | 43.1% | 44.8% |
| FrontierCode v1.1 | 52.0% | — |
| 平均(上の行) | 63.2% | 61.0% |
| 1 タスクあたり平均コスト | $0.309 | $0.052 |
手法はモデルカードどおり:すべてのコーディングベンチマークを MSBench 上で、GitHub Copilot CLI(v1.0.102)をハーネスに、サブエージェント無効、最大推論レベルで実行し、各タスク 3 回の独立実行の平均を取っています。インフラエラーは失敗として扱われます。コストは 50% プロモ価格での Microsoft の数字です。
DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas、FrontierCode v1.1 の平均で、Microsoft は MAI Code 2 を「GPT-6.1 Sol の 98% の性能を 40% のコストで、Claude Opus 5.5 の 96% の性能をわずか 5% のコストで」と表現しています。
Flash については、DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas の 3 本で「GPT-6 Luna と Claude Haiku 5.5 に匹敵する性能を、それぞれ 65% と 20% のコストで」とうたっています。
比較の前提
以下の 2 つの表は発表記事のグラフそのものです。使っているベンチマーク群が違うので、比較は同じ表の中だけで行ってください。
MAI Code 2 とフロンティアモデル
4 ベンチマーク(DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas、FrontierCode v1.1):平均合格率と 1 タスクあたり平均コスト(USD)。すべて最大推論レベル。
| モデル | 平均合格率 | 平均コスト / タスク |
|---|---|---|
| MAI Code 2 | 63.2% | $0.309 |
| GPT-6.1 Sol | 64.1% | $0.761 |
| Claude Opus 5.5 | 65.3% | $6.306 |
MAI Code 2 Flash と軽量モデル
3 ベンチマーク(DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas):平均合格率と 1 タスクあたり平均コスト(USD)。
| モデル | 平均合格率 | 平均コスト / タスク |
|---|---|---|
| MAI Code 2 Flash | 61.0% | $0.052 |
| GPT-6 Luna | 55.1% | $0.080 |
| Claude Haiku 5.5 | 53.9% | $0.319 |
Copilot のトークン単価
Copilot はモデル利用をトークン単位で計測し、合計を AI クレジット(1 クレジット = $0.01)に換算します。以下は 100 万トークンあたりの公開レートです。
| モデル | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|
| MAI Code 2 | $0.50 | $0.025 | $2.50 |
| MAI Code 2 Flash | $0.05 | $0.005 | $0.25 |
プロモ価格は 2027 年 5 月 17 日まで
両モデルとも 2027 年 5 月 17 日まで 50% のプロモ価格です。2027 年 5 月 17 日から定価は倍になり、Code 2 は入力 $1.00 / キャッシュ $0.05 / 出力 $5.00、Flash は $0.10 / $0.01 / $0.50(100 万トークンあたり)になります。Microsoft のベンチマーク上のコストはプロモ価格で算出されています。
1 リクエストの実際のコスト
どの Copilot プランにも AI クレジットの枠があり、超過分は上記レートで課金されます。Copilot Free と Student は「枠が付く」のであって Flash が無制限なわけではありません。コード補完と next-edit 候補はクレジット課金の対象外、チャットとエージェントのリクエストは対象です。
GitHub Copilot での使い方
4 ステップ、すべて公式ドキュメントに沿った手順です。
- 1
どの Copilot クライアントでもモデルピッカーを開く
VS Code なら Copilot Chat を開き、チャットビュー下部のモデルドロップダウンを使います。同じピッカーは Visual Studio、JetBrains 系 IDE、Xcode、Eclipse、Copilot CLI、Copilot アプリ、クラウドエージェント、github.com にもあります。
- 2
自分のプランに対象モデルが含まれるか確認する
Flash は Free、Student、Pro、Pro+、Max、Business、Enterprise で提供されます。Code 2 は Pro 以上。年間契約の対象者も利用できます。
- 3
管理者はモデルポリシーを確認する
Business と Enterprise の管理者は Copilot 設定のモデルポリシーで MAI モデルを管理します。デフォルト有効化の仕様では、管理者がグローバル既定を切るか該当モデルを無効化しない限り、新モデルは自動で有効になります。
- 4
AI クレジットのメーターを見る
これらは従量課金なので、Code 2 で長いエージェントセッションを回すと実費がかかります。予算を設定し、日常作業は Flash、深い推論が要る作業だけ Code 2 に回しましょう。
どのクライアントに載っているか
変更履歴には、両モデルとも VS Code、Visual Studio、Copilot CLI、Copilot クラウドエージェント、Copilot アプリ、github.com、iOS と Android の GitHub Mobile、JetBrains 系 IDE、Xcode、Eclipse で選べると書かれています。サポートモデルの資料では、どちらも 100 万トークンコンテキスト(VS Code と Copilot CLI のみ)と推論レベルの切り替えに対応すると示されています。
ほかの入手経路と、確認できていること
現時点で一般提供されているのは Copilot だけです。それ以外は限定プレビューか、単なる予告です。
Microsoft Foundry — Flash のみ、限定アクセス
Flash は Microsoft Foundry で限定アクセスのプレビュー段階です。モデルカードには、MAI Code 2 Flash のデプロイを作成し、OpenAI 互換の Responses API から標準の Azure 認証・クォータ・コンテンツフィルタ付きで呼び出す、と書かれています。
OpenRouter、Vercel、Hermes、OpenCode、Kilo — 発表のみ、未提供
発表記事の記述はこれだけです:「Soon, we'll be releasing them on OpenRouter, Vercel, Hermes, OpenCode, and Kilo.」日付も価格も API のモデル ID も公開されておらず、この一文以外に今日検証できることはありません。
これは Microsoft の提供予定の表明であって提携発表ではありません。第三者のプロバイダーは可用性もモデル ID も価格も確認していません。確認が出るまで、確実な経路は GitHub Copilot と Microsoft Foundry だけです。
どちらを選ぶか
正直な答えは「タスクで使い分ける」です。ファミリーはそういう設計で、価格差もルーティングする価値があるほど大きいからです。
本番品質の作業は MAI Code 2
深いデバッグ、複数ファイルの実装、リファクタリング、リポジトリ全体の推論、UI。UI、ゲーム、データ可視化、3D シーン、SVG を対象にしたブラインドの人手比較では、開発者は 64% のケースで GPT-6 Sol より Code 2 の出力を好みました(注釈者 258 名)。
大量処理は MAI Code 2 Flash
コードの説明、的を絞った編集、定型的な修正、テストの雛形づくり、素早い反復。平均合格率は 61.0% で Code 2 は 63.2%、1 タスクあたりのコストは約 6 分の 1 です。
標準化する前に計算する
プロモ価格では Flash の入出力単価は Code 2 の 10 分の 1 です。作業の中心が説明・改名・小さな修正なら品質差が価格差を埋めることはまれですが、複数ファイルのエージェント作業が中心なら十分に埋まります。
Microsoft 自身が挙げている限界
モデルカードの既知の制限からの引用で、第三者の指摘ではありません。
- 1知識は 2026 年 8 月の事前学習カットオフまでです。新しいライブラリや API、脆弱性は知らない可能性があります。
- 2長いエージェントセッションでは、ツール呼び出しの繰り返し、既存コードベースの活用不足、指示からの逸脱、検証前の打ち切りが起こり得ます。コンテキストが上限に近づくと品質は低下します。
- 3「小さい方の MAI Code 2 Flash は、複雑で長いホライズンのタスクでは MAI Code 2 より能力が低く、より多くの誘導が必要になる場合があります。」
- 4推論レベルを上げるとレイテンシとトークン消費が増え、「常に結果が良くなるわけではありません」。
- 5リリース時点で両モデルは「英語のコード生成に最適化」されており、Microsoft は生成コードを人手のレビューとテストなしに本番・安全クリティカル・規制対象システムへ配備しないよう勧めています。
