Présentation du modèle

Microsoft a présenté deux nouveaux modèles d’intelligence artificielle dédiés au codage : MAI Code 2 et MAI Code 2 Flash. Ils sont conçus pour les tâches quotidiennes de développement en entreprise, telles que la mise en production, le débogage approfondi, la manipulation de plusieurs fichiers, le raisonnement à l’échelle d’un dépôt et la génération d’interfaces utilisateur. Les deux modèles sont positionnés comme des alternatives moins coûteuses aux solutions concurrentes, sans viser les problèmes de recherche scientifique ou les agents à horizon très long.

Performances comparatives

Sur quatre benchmarks largement utilisés dans GitHub Copilot (DeepSWE 1.1, Terminal Bench 2.1, SWE‑Atlas et FrontierCode v1.1), MAI Code 2 atteint 98 % de la performance de GPT‑6.1 Sol tout en ne consommant que 40 % du coût. Le même modèle réalise 96 % de la performance de Claude Opus 5.5 pour seulement 5 % du coût. Dans des évaluations aveugles d’applications front‑end, les examinateurs ont préféré les résultats de MAI Code 2 à ceux de GPT‑6 Sol dans 67 % des cas. MAI Code 2 Flash, quant à lui, offre une performance comparable à GPT‑6 Luna et Claude Haiku 5.5 tout en réduisant les dépenses à 65 % et 20 % respectivement, selon trois benchmarks mesurant des tâches de codage à haut volume.

Cas d’usage et intégration produit

Au‑delà du support direct aux développeurs via Copilot, MAI Code 2 alimente déjà plusieurs produits Microsoft. Une version optimisée, MAI Work Flash, est déployée dans la suite M365 et la plateforme Fabric IQ. Dans Excel, le modèle atteint une précision et une efficacité de token similaires à GPT‑6 Luna sur des scénarios internes de clients, démontrant son adaptabilité aux besoins de calcul intensif et de génération de rapports.

Limites et perspectives

Microsoft précise que les modèles ne sont pas encore ajustés pour des problèmes de recherche fondamentale ou des tâches d’agentic à horizon très long. Cette orientation vers les tâches « quotidiennes » implique que les performances sur des projets nécessitant une compréhension profonde du domaine ou une créativité algorithmique restent à évaluer. La réduction de coût, bien que substantielle, repose sur des métriques de benchmark qui ne couvrent pas nécessairement tous les scénarios de production. Une surveillance continue des résultats réels et des retours d’utilisateurs sera indispensable pour valider la promesse de « price‑performance » annoncée.