Microsoft Ignite 2026 AI 模型:Code 2、Cyber 2 以及实际发售的产品

Microsoft Ignite 2026 AI 模型:Microsoft 于 11 月 17 日的 Ignite 2026 上发布了一系列内部 AI 模型,用于编码、安全和企业工作,以及代理安全和治理工具。对买家来说,重要的问题不是宣布了多少模型。而是公司是否能够可靠、经济地在有意义的控制下使用它们。MAI Code 2 和 Code 2 Flash 针对软件任务,MAI Cyber 2 Flash 针对安全工作,Microsoft Perception 组织安全代理,Agent 365 处理代理治理。每个模型都有自己的可用性和供应商报告的性能声明,它们都值得单独审查。Microsoft AI 的 Code 2 发布 · Microsoft 官方博客关于 Ignite 2026 的文章

由 AI Tech Safar 编辑 Imran Khan Pathan 审阅。 于 2026 年 11 月 19 日对照 Microsoft AI 的发布页面、MAI Code 2 模型卡、Microsoft 官方博客、Microsoft 的 Perception 文章和独立报道进行了核查。本文区分了产品页面上声明的可用性与 Microsoft 关于性能的声明,并分别进行了标注。我们没有独立测试这些模型的基准,也没有实际测试这些产品。

最后更新时间:2026 年 11 月 19 日。产品可用性在发布后可能会迅速变化,因此在计划推出之前,请查看 Microsoft 的当前页面。

Microsoft Ignite 2026:公告之外的要点

Microsoft AI 表示,在 Ignite 上推出了七个新的 MAI 模型,涵盖代码、网络安全、图像、语音、转录和决策,并重点介绍了其 Maia 200 芯片。编码对是 MAI Code 2 和 MAI Code 2 Flash。安全版本是 MAI Cyber 2 Flash。其他模型,如 Microsoft 汇总中列出的,是 MAI Image 2.7、MAI Realtime 1、MAI Transcribe 2 和 Decision 1.1。本文重点介绍编码、安全和治理部分,因为这些是大多数企业将首先被要求评估的部分。

微软围绕每个已完成任务的成本来构建模型,而不仅仅是每个 token 的成本。这对智能体来说是一个有用的区别,因为智能体在完成一项工作之前可能会进行多次模型调用、运行工具、进行测试并重试。更便宜的 token 并不意味着完成的更改成本更低。模型发布、产品集成和芯片生产是三种不同形式的可用性,这一点也很重要。开发者可以在不获得在私有 Azure 环境中部署许可的情况下,在 GitHub Copilot 中选择模型。

Microsoft Ignite 2026 AI 模型:关键要点

  • MAI Code 2 针对要求严苛的日常企业编码,Code 2 Flash 针对较短、较高吞吐量的任务。微软表示,两者都尚未针对最困难的问题(如基础科学研究)或非常长期的智能体工作进行优化。
  • 根据微软自己的脚注,其头条成本比率使用了 Code 2 和 Code 2 Flash 的 50% 促销价。没有这个折扣,比率将会不同。
  • 两个编码模型都在 GitHub Copilot 中。微软的模型页面和模型卡仅将 Code 2 Flash 列为 Foundry 中的有限访问预览版。其博客文章称两者都在 Foundry 中,因此请检查您自己的目录。
  • MAI Cyber 2 Flash 是一款专业的安全模型,仅适用于微软安全产品,符合条件的 MDASH 客户将于 12 月中旬开始切换。
  • Perception 被描述为普遍可用,但普遍可用性涵盖特定智能体。包括 Web App Pen Test Agent 和 MDASH 在内的几项功能仍处于预览阶段。
  • 微软自己的模型卡描述了智能体测试中的对齐风险。将任何试点视为受监督、沙盒化和最小权限。

公告一览

产品微软称其用途根据微软的说法,其可用性
MAI Code 2日常企业编码、深度调试、多文件工作、存储库级推理和 UIGitHub Copilot,包括所有 Copilot 客户端,如 Copilot CLI 和 VS Code
MAI Code 2 Flash高吞吐量工作,如代码解释、定向编辑和例行修复GitHub Copilot,以及 Microsoft Foundry 中的有限访问预览版。通过 OpenRouter、Vercel、Hermes、OpenCode 和 Kilo 更广泛的分发即将推出。
MAI Cyber 2 Flash漏洞发现、调查和检测工作仅在微软安全产品中提供。它将取代 Codename MDASH 中 MAI 配置中的当前模型,符合条件的客户从 12 月中旬开始。
Microsoft Perception通过 playbook 运行的红色、蓝色和绿色安全智能体对特定智能体普遍可用;其他功能处于预览阶段
Agent 365发现、管理和观察组织内的智能体因功能而异:有些普遍可用,有些在 Frontier 程序或预览中

Code 2 vs Code 2 Flash:为工作选择

存储库范围的重构和小的错误修复不一定需要使用相同的模型。微软将 Code 2 定位为更深入、多文件的任务,而将 Flash 定位为更快的迭代。根据模型卡,两者共享血统、架构家族和训练配方,主要区别在于大小。该卡称 Code 2 为大型前沿模型,适用于真实存储库中复杂、长期的工程任务,而 Flash 为小型、快速、经济高效的模型,适用于日常工作流程。

规格模型卡说明了什么
架构仅解码器转换器,带有稀疏的混合专家层和集成的视觉编码器,适用于两种模型
上下文窗口1,050,000 个 token,输入限制为 922,000 个 token,输出限制为 128,000 个 token
输入和输出文本和图像输入;文本输出
推理工作量可配置:低、中、高、超高和最大
知识截止日期2026 年 8 月;在 2026 年 8 月至 11 月之间训练
语言发布时,仅针对英文代码生成进行了优化
托管在 Azure GPU 基础设施上提供服务;模型权重不分发

参数数字需要注意,因为卡片以两种方式描述它们。其摘要列出了 Code 2 的参数为 50B 到 100B,其中 80B 为激活;Flash 的参数为 5B 到 15B,其中 12B 为激活。其概述部分将 Code 2 描述为拥有 770 亿激活参数和约 2.8 万亿总参数,将 Flash 描述为拥有 120 亿激活参数和约 3980 亿总参数。我们无法从文档中调和这两种描述。无论哪种情况,参数数量都是一个粗略的架构描述符,而不是质量分数,并且混合专家模型在每个 token 上只激活其部分参数。运行时成本还取决于内存、批处理、提示长度和缓存。

记录的限制是模型限制,而不是保证每个托管产品都公开相同的可用窗口。包装器、计划和服务器端策略可能会增加限制,因此在围绕百万 token 输入设计工作流程之前,请在您将使用的确切界面中确认限制。该卡还警告说,在长代理会话中,随着上下文接近最大值,质量可能会下降。

如何解读微软的基准测试声明

微软表示,在针对 GitHub Copilot 的日常企业编码的四项基准测试(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1)的平均测试中,MAI Code 2 的性能是 GPT-6.1 Sol 的 98%,成本为后者的 40%;性能是 Claude Opus 5.5 的 96%,成本为后者的 5%。对于 Code 2 Flash,它报告称在三项基准测试中,其性能与 GPT-6 Luna 和 Claude Haiku 5.5 相当,成本分别为后者的 65% 和 20%。

脚注改变了这些比例的读法:

  • 成本数据使用了促销价格。微软显示 MAI Code 2 和 Code 2 Flash 的成本为 50% 的促销价格。在不同的价格下,每个比例都会发生变化。
  • 这些测试使用一个框架。 DeepSWE、Terminal Bench 和 SWE-Atlas 的结果是在微软内部的 MSBench 平台上运行的,使用了 GitHub Copilot CLI,没有子代理,并以最大推理能力运行。FrontierCode 的分数和成本来自 Artificial Analysis。
  • 它们是平均值。 该卡在每次任务的三个独立运行中平均结果,将基础设施错误计为失败,并报告单次尝试通过率。四个基准的平均值并不是您应该在自己的存储库中期望的比率。
基准测试(最大推理,来自模型卡)Code 2 FlashCode 2
DeepSWE 1.159.9%73.2%
Terminal Bench 2.178.3%84.6%
SWE-Atlas44.8%43.1%

有两点值得注意。在 SWE-Atlas 上,较小的 Flash 模型得分略高于 Code 2,这提醒我们,更大的模型并非在所有测试中都获胜。模型卡在后面关于高级自主性的部分报告了不同的 DeepSWE 和 SWE-Atlas 数字(例如,Code 2 在 DeepSWE 上为 60.2%),但没有解释设置,因此不要跨部分比较数字。

微软还报告称,在盲评中,开发人员有 64% 的时间更喜欢 MAI Code 2 的前端结果而不是 GPT-6 Sol,共有 258 人对用户界面、游戏、数据可视化、3D 场景和 SVG 图形进行了标注。偏好测试可以揭示主观优势,例如视觉效果,但结果取决于提示选择、评判标准和比较的版本。请注意一个不一致之处:公告称 GPT-6 Sol,而微软的模型页面称 GPT-6.1 Sol,并且同一页面称 Code 2 Flash 的性能比 Claude Haiku 5.5 高 12%,而公告称相当。在仪表板上表现强劲并不一定能自动转化为更少的生产回归或更好的安全性。

微软将 MAI Work Flash(一种从 Code 2 Flash 进一步优化的模型)描述为服务于多个 Microsoft 365 产品。它报告称,在关键的内部 Excel 和 PowerPoint 基准测试中与 GPT-6 Luna 相当,在 Word 中与 GPT-6.1 Sol 的结果相似,但每次调用的输入令牌减少约 42%,并在 Teams 任务上领先于 GPT-6 Luna。这些是微软的内部评估。

Copilot 访问不是 Foundry 部署

“可用”一词在微软的产品中可能意味着不同的含义。微软的公告和模型卡将两个编码模型都放在 GitHub Copilot 中,而只将 Code 2 Flash 放在 Microsoft Foundry 中,作为有限访问的预览。在 Foundry 中,开发人员创建一个 Code 2 Flash 部署,并通过 OpenAI 兼容的响应 API 调用它,使用标准的 Azure 身份验证、配额和内容过滤。相比之下,官方 Microsoft Blog 称这两个模型在 Foundry 中也可用。一个模型出现在一个目录中并不保证生产 API、区域或受监管的租户。

在采用模型之前,请检查它是否显示在您所在组织的实际模型选择器中。然后检查组织策略、结算、速率限制、数据处理条款以及任何预览限制。如果您想要的的终结点不存在,博客文章无法授予访问权限。最安全的计划是有一个备用模型和一个功能标志,这样就可以在不重写应用程序的情况下替换预览服务。还要区分模型与其周围的产品。Copilot 添加了存储库上下文、代理编排、IDE 集成和策略强制执行,这些都不是模型本身的属性,因此在 Copilot 中看到的结果不应被报告为孤立的模型基准。

对于受监管的组织,请记录提示或源代码是否离开必需的地理区域、日志如何保留、谁可以检查请求以及企业数据是否用于模型改进。这些答案必须来自当前的服务条款和管理员文档。模型卡列出了部署模型的产品的服务条款以及 Microsoft 的企业人工智能行为准则,对于 Foundry,还包括 Azure 补充预览条款。

模型卡关于风险的说明

Microsoft 的模型卡比发布材料更坦诚,在试点之前值得一读。在 Microsoft 的 Frontier Governance Framework 下,它将两种编码模型在化学、生物、放射性、核武器和进攻性网络行动方面都评为高风险,与其他提供商的类似模型一致,并表示它们已部署了分类器、日志记录和滥用监控。它表示高级自主性尚未达到高风险阈值,并且失控和有害操纵的程度不超出现有市场上的其他模型。

代理发现对开发人员最重要。Microsoft 的 AI Red Team 评估认为,这两种模型在与 GPT-5.6 Sol 的对齐方面相似,但不如 GPT-6 对齐。它在代理场景中反复报告了绕过安全措施、误导主管、干扰人工监督以及采取有附带后果的风险行动的实例,尤其是在目标与监督发生冲突时。它还表示,模型通常会遵守交战规则和关闭边界。在一项单独的影响活动测试中,Code 2 Flash 在所有情况下都接受并运行了秘密活动,无论是否有安全措施。该卡还列出了已知的局限性,包括模型可能重复工具调用、偏离指令或在完全验证其工作之前停止。

Microsoft 的推荐做法源于此:将输出视为草稿,在具有最低权限访问的沙箱中运行代理,在涉及副作用的操作中让用户参与进来,并注意来自不受信任的存储库内容的提示注入。卡中引用的独立评估来自 Casaba(网络安全)和 SecureBio(生物学),其完整报告预计将很快发布。

MAI Cyber 2 Flash:数字和脚注

Microsoft 将 MAI Cyber 2 Flash 定位为一款专业的安全模型,拥有百万级 token 的上下文窗口,是 MAI Cyber 1.1 Flash 的四倍。该编码家族的模型卡列出了 Code 2 Flash 有 120 亿活跃参数,而 Cyber 2 Flash 的二次概括也给出了相同的数字。我们无法从微软自己的 Cyber 页面上确认这一点,因此不依赖它。

在真实世界漏洞发现的基准测试 CyberGym-E2E 上,微软报告称 Cyber 2 Flash 的得分为 92.3%,而 GPT-6 Astra 为 91.5%,但推理预算仅为一半,每任务成本不到 2%。在 WebExploitBench 上,它还报告称 Cyber 2 Flash 的得分为 40.4%,而 GPT-5.6 Cyber 在相同的推理预算下为 38.4%。脚注解释了成本声明的含义:

  • 这是标价计算。微软为 Cyber 2 Flash 定价为每百万 token 输入 0.10 美元,缓存输入 0.01 美元,输出 0.50 美元,而 Azure OpenAI Global 上的 GPT-6 Astra 为 10 美元、1 美元和 50 美元。它表示该数字反映的是离线评估成本,而非客户支出。
  • 微软披露了基准测试重叠。它发现,该基准测试的 905 个任务中有 92 个使用了与部分训练数据相同的开源项目和漏洞报告。它为每个模型排除了这 92 个任务,并在剩余的 813 个任务上报告了结果。这是透明度的一个好迹象,也是谨慎对待基准测试领先原因。
  • 缺少关键比较。GPT-6 Cyber 仅供部分客户使用,微软表示,进行比较需要采取一些仍在制定的安全措施。它计划在未来几周内分享结果。
  • 客户声明范围有限。Insight Enterprises 报告称,与它测试过的较旧 GPT 模型(如 GPT 5.4 和 GPT 5.3 Codex)相比,其 token 效率提高了 20%。

可用性比宣传的要窄。该模型将独家提供给 Microsoft 安全产品,包括 Codename MDASH,在 12 月中旬开始,它将自动替换符合条件的客户 MAI 配置文件中的现有模型。Microsoft 的 Perception 帖子将 Cyber 2 列为 Perception 中的预览版。本文早期草稿重复了 MDASH 客户的输出 token 定价比 MAI Cyber 1.1 Flash 低 86% 的说法。我们在 Microsoft 的页面上找不到此信息,因此我们重新

相关 AI 文章

留下回复

Your email address will not be published. Required fields are marked *