AI テクノロジー

MAI Code 2とは?GitHub Copilotで使う2モデルと「40%のコスト」の条件

2026年11月19日

MAI Code 2とFlashを複雑な開発と素早い修正で使い分ける図

Microsoftが、プログラミング向けAI「MAI Code 2」と「MAI Code 2 Flash」を発表しました。複数ファイルにまたがる実装やデバッグを担うモデルと、日々の小さな修正を素早くこなすモデル。GitHub Copilotの利用者に、新しい使い分けの選択肢が加わります。

注目を集めているのは、Microsoftが示した性能と費用の比較です。ただし、発表の「40%のコスト」は、特定の課題と設定、割引価格を使った評価での数字。自分の開発現場で必ず同じ比率になるという意味ではありません。

2つのモデルは何が得意で、どのプランから使えるのでしょうか。比較の条件も含め、仕事に取り入れるときの見方を追います。

Code 2とFlashは何が違う?

複数ファイルを開いてコードを書く開発者の手元

Microsoftの発表によると、MAI Code 2は複雑なデバッグ、複数ファイルの実装、リポジトリ全体を踏まえた作業などを想定しています。個々の行を書くことだけでなく、既存の構造を見ながら変更を進める場面が得意分野です。

一方のMAI Code 2 Flashは、コードの説明、限定的な編集、定型的な修正、素早い反復といった件数の多い作業を狙っています。短い変更を何度も試したいときと、影響範囲の広い変更を考えたいときでは、求める力も異なります。

まずFlashで小さな作業を試し、複数ファイルにまたがる難しい変更にはCode 2を検討する。そんな選び方ができます。

両方とも、指示に応じてツールを使いながら開発を進めるエージェント型の作業を想定しています。ただし、選択したモデルが同じでも、指示の詳しさや渡したコード、実行環境によって結果は変わります。

「40%のコスト」は何と比べた数字か

複数ファイルのデバッグを相談する開発者

Microsoftは4つのコーディング評価を平均し、MAI Code 2がGPT-6.1 Solの性能の98%を、費用の40%で達成したと説明しています。DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1を使った、同社の比較です。

数字を見るときは、同じ発表の注記が欠かせません。モデルは最大の推論設定で実行され、Code 2側の費用には50%のプロモーション価格が使われています。4評価のうち3つはMicrosoftの評価基盤とGitHub Copilot CLIを使い、サブエージェントなしで測定されました。

この比率は特定条件の比較結果です。実際の請求額や速度、作業の成功率をそのまま予測する数字ではありません。

モデルの料金だけでなく、やり直しの回数や人がレビューにかける時間も、実務上のコストに入ります。普段の課題をいくつか用意し、変更の正しさと使った量を見比べる方が、自分たちに合う選択に近づけます。

GitHub Copilotでは誰が使える?

コードの小さな変更を進める開発者の手元

GitHubの案内では、Code 2はPro、Pro+、Max、Business、Enterpriseが対象。Flashはそれらに加え、FreeとStudentでも利用対象に含まれます。対応する環境のモデル選択画面から選ぶ形です。

利用は従量課金の対象で、契約や利用枠によって扱いが変わります。組織で使うBusinessとEnterpriseでは管理者がモデルの利用方針を設定できるため、画面に見えない場合は組織側の設定も関係します。

使い始める前に、自分のプラン、利用枠と料金、組織のモデル設定を確かめましょう。FreeにFlashが含まれることは、無制限の無料利用を意味しません。

GitHubは旧モデルMAI-Code-1.1-Flashを2026年12月18日に廃止する予定も案内しています。旧モデルを使うワークフローは、切り替え後に同じ指示やテストが通るか試しておくと安心です。

画像も読めるが、手元で動くモデルではない

生成されたコードとテストを確認する開発者

モデルカードによると、両モデルはテキストと画像を入力として扱います。画面の見た目を含む開発の相談にもつながる一方、出力されたコードが要件を満たすかは別に確かめる必要があります。

同カードは、両モデルをホスト型サービスとして提供し、モデルの重みを配布していないと説明しています。手元のPCだけでモデルを動かすローカル実行とは異なり、利用するサービスのデータ取り扱いや組織のルールを踏まえてコードを渡す必要があります。

長いエージェント作業では、ツールの呼び出しを繰り返したり、既存コードを十分に使わなかったり、検証を終える前に止まったりする可能性もカードに記載されています。入力できる情報が多いことと、最後まで正しく作業することは同じではありません。

AIに任せた後、人は何を見る?

たとえば「ログイン画面の文言を直す」ならFlashで候補を作り、差分を確認してテストする。認証処理を複数ファイルで変更するならCode 2に範囲を示し、影響箇所とテスト結果を人が追う。作業の大きさに合わせて分担を変えると、両モデルの違いが見えやすくなります。

生成された差分は、仕様、権限、失敗時の動作、テスト結果まで人がレビューすることが大切です。

GitHubの仕事をAIに分担させる仕組みと人のレビューについては、dsh-superagentの記事でも取り上げました。モデルが作業を進めても、採用する変更を決めるのは開発チームです。

Code 2とFlashの登場は、難しい実装と日々の小さな修正に別々の選択肢を持てることが魅力です。発表の数字を出発点にしつつ、自分のコードで品質と費用を比べる。その積み重ねが、便利さを実際の開発成果につなげてくれます。

-AI, テクノロジー
-, , , , ,