Microsoft 发布 MAI-Code-1.1-Flash：GitHub Copilot 新增原生视觉支持的编程模型
GitHub 官方博客 8 月 11 日宣布 Microsoft MAI-Code-1.1-Flash 在 GitHub Copilot 中滚动上线。基于 MAI-Code-1-Flash 构建，新增原生视觉支持（图像理解），Terminal-Bench 2.1 性能提升 22%，成本降低 75%。开发者可手动选择或自动分配。这是 Microsoft Build 2026 发布的 MAI 自研模型家族的最新迭代，与 MAI-Thinking-1 共同构成 Copilot 的自研模型矩阵。Neuroluv、YouTube、LinkedIn 等多源报道。
Microsoft 发布 MAI-Code-1.1-Flash
2026 年 8 月 11 日，GitHub 官方博客宣布 Microsoft MAI-Code-1.1-Flash 在 GitHub Copilot 中滚动上线。这是 Microsoft 自研 AI 模型家族的最新迭代，标志着 Copilot 从依赖 OpenAI 向自研模型矩阵转型。
核心特性
| 指标 | 数据 |
|---|---|
| 基础 | MAI-Code-1-Flash |
| 新增能力 | 原生视觉支持（图像理解） |
| Terminal-Bench 2.1 | 性能提升 22% |
| 成本 | 降低 75% |
| 可用性 | 手动选择或自动分配 |
| 平台 | GitHub Copilot CLI + VS Code inline |
技术背景
MAI-Code-1.1-Flash 是 Microsoft Build 2026 发布的 MAI 自研模型家族的最新迭代。与 MAI-Thinking-1 共同构成 Copilot 的自研模型矩阵。MAI 系列是 Microsoft 减少对 OpenAI 单一依赖的战略产物，旨在为 Copilot 提供成本更低、延迟更小的专用模型。
视觉支持
原生视觉支持意味着 Copilot 可以：
- 理解代码截图并转换为可编辑代码
- 解析架构图并生成代码框架
- 从 UI 设计图生成前端代码
- 识别并解释终端输出截图
战略意义
Microsoft 自研模型在 Copilot 中的持续落地，降低对 OpenAI、Anthropic 等第三方模型的依赖。这是云厂商自研 AI 模型趋势的一部分——Google（Gemini）、Amazon（Titan）、Microsoft（MAI）都在构建自有模型矩阵。对 OpenAI 而言，Copilot 曾是最大分发渠道，自研模型的替代效应值得关注。
后续观察
- 实际用户反馈与性能表现
- 与 Claude、GPT 等第三方模型的效果对比
- Microsoft 自研模型的扩展路径（更大参数、更多模态）
- OpenAI 在 Copilot 中的份额变化
AI Master 解读
核心事件
Microsoft 发布 MAI-Code-1.1-Flash，GitHub Copilot 新增原生视觉支持的编程模型。
行业影响
为什么重要： 这是 Microsoft 自研 AI 模型在 GitHub Copilot 中的持续落地。MAI-Code-1.1-Flash 新增原生视觉支持，意味着 Copilot 可以理解代码截图、架构图、UI 设计图等视觉输入。Terminal-Bench 2.1 性能提升 22% + 成本降低 75% 的组合，反映 Microsoft 在自研模型上的工程优化能力。与 MAI-Thinking-1 共同构成 Copilot 的自研模型矩阵，降低对第三方模型（OpenAI、Anthropic）的依赖。
影响分析：
| 维度 | 影响 |
|---|---|
| Copilot 能力 | 原生视觉支持，可理解代码截图和架构图 |
| 性能成本 | Terminal-Bench 2.1 +22%，成本 -75% |
| 自研战略 | Microsoft MAI 模型家族持续扩展 |
| 依赖关系 | 降低对 OpenAI/Anthropic 第三方模型依赖 |
AI Master 建议
评估 MAI-Code-1.1-Flash 在视觉编程场景（UI 转代码、架构图理解）的实际效果；关注 Microsoft 自研模型与第三方模型的共存策略。 **来源:** GitHub Blog / Neuroluv / LinkedIn **链接:** https://github.blog/changelog/2026-08-11-mai-code-1-1-flash-available-in-github-copilot/