Pieni malli, iso lupaus
Microsoft julkisti tiistaina MAI-Code-1-Flashin, viiden miljardin parametrin koodausmallin, joka asettuu GitHub Copilotin moottoriksi OpenAI:n GPT-perheen rinnalle. Tekoälyjohtaja Mustafa Suleyman esitteli mallin Build-konferenssissa, ja se on osa yhtiön Superintelligence-tiimin seitsemän uuden MAI-mallin rypästä (lähde: microsoft.ai, 2.6.2026).
Koko on tarkoituksellinen valinta. SWE-Bench Pro -testissä uutukainen ylsi 51,2 prosentin onnistumiseen, kun Anthropicin Claude Haiku 4.5 jäi 35,2 prosenttiin (lähde: microsoft.ai/news, 2.6.2026). Microsoftin oman datan mukaan malli ratkaisee SWE-Bench Verified -tehtävät jopa 60 prosenttia vähemmillä tokeneilla kuin verrokit, ja adversariaalisessa päättelytestissä se nousi 85,8 prosenttiin.
Microsoft kertoi koulutuksen kestäneen maaliskuusta toukokuuhun ja konteksti-ikkunaksi 256 000 tokenia. Malli on saatavilla välittömästi VS Coden mallivalitsimessa kaikilla Copilot-tasoilla, ilmaisesta Maxiin asti, ilman erillistä asetusta (lähde: github.blog/changelog, 2.6.2026).
McKinseyn pöydällä kymmenen kertaa halvempi
Suleymanin esityksen kovin luku koski konsulttiyhtiö McKinseyä. Yhtiön omiin tehtäviin viritetty MAI-Code-1-Flash voitti laadussa OpenAI:n GPT-5.5:n ja oli noin kymmenen kertaa halvempi käyttää (lähde: Microsoft AI -blogi 'Building a hill-climbing machine', 2.6.2026).
Luku on enterprise-ostajille raskas. Kun isoissa konsulttitaloissa ja koodausorganisaatioissa LLM-token-laskut nousevat helposti kymmenistä tuhansista satoihin tuhansiin euroihin kuukaudessa, kertaluokan kustannusero kääntyy budjeteissa nopeasti hankintapäätöksiksi. Microsoft pidätti yksityiskohtaiset hintaluvut itsellään, mutta esittelyn perusteella vertailu tehtiin McKinseyn tuotantoarkkitehtuurissa, jossa malleja käytetään konsulttien apuna sisäisten aineistojen analyysissä ja koodigeneroinnissa.
MAI-Code-1-Flash halvempi kuin GPT-5.5 McKinsey-pinossa
Mallin parametrit
SWE-Bench Pro -onnistuminen
Claude Haiku 4.5 vertailuna



