نموذج مايكروسوفت MAI Code 1.1 Flash يتخلف عن DeepSeek في السعر والأداء

مقدمة

أصدرت مايكروسوفت نموذج MAI Code 1.1 Flash، وهو نموذج لتوليد الأكواد البرمجية مصمم لـ GitHub Copilot. تدعي الشركة أن النموذج الجديد يكتب أكوادًا أفضل، وأكثر كفاءة في استخدام الرموز بنسبة 25 بالمئة، وأقل تكلفة بمقدار الربع مقارنة بنموذج يونيو السابق. ومع ذلك، تكشف مقارنات المعايير أن النموذج يتخلف عن DeepSeek V4 Flash في كل من السعر والأداء، مما يثير تساؤلات حول موقع مايكروسوفت في المشهد التنافسي للذكاء الاصطناعي.

معايير الأداء

في المعايير الداخلية، يُظهر MAI Code 1.1 Flash تحسينات متواضعة مقارنة بسابقه وبعض النماذج المنافسة. في اختبار SWE-bench Verified، سجل 72.6%، متجاوزًا MAI Code 1 Flash (71.6%) وHaiku 4.5 (69.8%) وGPT-5.4 mini (69.2%). ومع ذلك، لم ينشر DeepSeek نتيجة لهذا المعيار.

في Terminal Bench 2.1، تكون النتائج أكثر دلالة. سجل MAI Code 1.1 Flash 62.9%، وهو تحسن كبير مقارنة بـ 51.7% لسابقه و49.4% لـ Haiku 4.5، لكنه لا يزال متخلفًا كثيرًا عن DeepSeek V4 Flash الذي سجل 82.7%. تشير هذه الفجوة إلى أن نموذج DeepSeek أكثر قدرة بشكل كبير في مهام البرمجة الواقعية.

مقارنة الأسعار

تضع مايكروسوفت MAI Code 1.1 Flash كخيار مناسب للميزانية، لكن نظرة فاحصة على الأسعار تكشف أنه لا يزال أغلى من عرض DeepSeek. بالنسبة لرموز الإدخال، تبلغ تكلفة MAI Code 1.1 Flash 0.20 دولار لكل مليون رمز، مقارنة بـ 0.14 دولار لـ DeepSeek. مع التخزين المؤقت، ينخفض السعر إلى 0.02 دولار لـ MAI و0.0028 دولار لـ DeepSeek. أما رموز الإخراج فتتسع الفجوة: تفرض MAI 1.20 دولار لكل مليون، بينما تفرض DeepSeek 0.28 دولار فقط.

هذه الأسعار أقل بكثير من أسعار Claude Haiku 4.5 من Anthropic، التي تبلغ 1.00 دولار للإدخال، و0.10 دولار مع التخزين المؤقت، و5.00 دولارات للإخراج. ومع ذلك، فإن تسعير DeepSeek يقلل من أسعار مايكروسوفت بهامش كبير، مما يجعله خيارًا أكثر جاذبية للمطورين المهتمين بالتكلفة.

كفاءة الرموز وتبني المستخدمين

تدعي مايكروسوفت أن MAI Code 1.1 Flash أكثر كفاءة في استخدام الرموز بنسبة 25 بالمئة مقارنة بسابقه، مما يعني أنه يتطلب رموزًا أقل لتوليد نفس المخرجات. يمكن أن تترجم هذه الكفاءة إلى تكاليف أقل للمستخدمين، لكن الشركة لم تقدم بيانات مفصلة حول كيفية ترجمتها إلى وفورات حقيقية.

فيما يتعلق بتبني المستخدمين، ذكرت مايكروسوفت أن المطورين قبلوا مخرجات النموذج بنسبة 4 بالمئة أكثر مقارنة بالنسخة السابقة. بالإضافة إلى ذلك، تشير الشركة إلى زيادة بنسبة 9 بالمئة في الزيارات المتكررة، مما يشير إلى أن المستخدمين يجدون النموذج أكثر فائدة. ومع ذلك، فإن هذه المقاييس نسبية مقارنة بنماذج مايكروسوفت الخاصة ولا تتناول كيفية مقارنة النموذج بمنافسين مثل DeepSeek.

التدريب والتطوير

دربت مايكروسوفت MAI Code 1.1 Flash باستخدام "مئات الآلاف من بيئات التعلم المعزز في GitHub Copilot." يستفيد هذا النهج من سيناريوهات البرمجة الواقعية لتحسين أداء النموذج. لم تكشف الشركة عن بيانات التدريب الدقيقة أو المنهجية، لكن استخدام التعلم المعزز من تفاعلات المستخدمين هو استراتيجية ملحوظة.

الآثار الاستراتيجية

يأتي إصدار MAI Code 1.1 Flash في وقت تدفع فيه مايكروسوفت نحو وضع نفسها كبطل للذكاء الاصطناعي المفتوح. ومع ذلك، يبدو قرار الشركة بالاستثمار في نموذج خاص يتخلف عن بدائل الوزن المفتوح مثل DeepSeek في كل من السعر والأداء متناقضًا. أعربت مايكروسوفت مرارًا عن إعجابها بالنماذج مفتوحة الوزن، لكن استراتيجيتها الخاصة تبدو تفضل الحلول الداخلية المغلقة.

السبب المرجح هو خفض التكاليف. أعادت مايكروسوفت مؤخرًا خلط عروض Copilot الخاصة بها، واستبدلت نماذج OpenAI وAnthropic ببدائل MAI الأرخص لتقليل النفقات. المقابل هو أداء أسوأ مقابل هوامش ربح أفضل. يتوافق MAI Code 1.1 Flash مع هذا النمط: فهو أرخص من سابقه لكنه لا يزال أغلى من DeepSeek، وأداؤه أسوأ.

يمكن لعملاء مايكروسوفت في نظام GitHub Copilot البيئي اختيار نماذج مختلفة حسب التطبيق وحالة الاستخدام. ومع ذلك، من المرجح أن تجعل مايكروسوفت نماذجها الخاصة الخيار الافتراضي، مما يحبس المستخدمين في حل أقل تنافسية. قد تنفر هذه الاستراتيجية المطورين الذين يعطون الأولوية للأداء والتكلفة.

الخلاصة

يمثل MAI Code 1.1 Flash من مايكروسوفت تحسنًا تدريجيًا مقارنة بسابقه، لكنه يفشل في منافسة DeepSeek V4 Flash في كل من السعر والأداء. يتناقض تركيز الشركة على النماذج الخاصة مع موقفها العلني من الذكاء الاصطناعي المفتوح وقد يعيق في النهاية قدرتها التنافسية في سوق الذكاء الاصطناعي سريع التطور. مع تزايد بحث المطورين عن حلول فعالة من حيث التكلفة وعالية الأداء، قد تحتاج مايكروسوفت إلى إعادة النظر في نهجها أو المخاطرة بفقدان الأرض أمام منافسين أكثر مرونة.

هذا المقال مبني على تقرير من The Decoder. اقرأ المقال الأصلي.