هزینه بالای پردازش توکن در ابزارهای هوش مصنوعی به یکی از چالشهای اصلی شرکتهای توسعه نرمافزار تبدیل شده است. مایکروسافت با معرفی مدل جدید گیت هاب کوپایلت تلاش میکند توازن تازهای میان قدرت محاسباتی و هزینههای عملیاتی ایجاد کند. این دو مدل تازه با نامهای MAI Code 2 و MAI Code 2 Flash برای مدیریت بهتر منابع پردازشی در وظایف مختلف برنامهنویسی طراحی شدهاند. این اقدام نشان میدهد که الگوی استفاده از مدلهای سنگین و گرانقیمت برای تمام کارهای کوچک و بزرگ توسعه نرمافزار در حال تغییر است.
در این مطلب می خوانید
تیمهای توسعه در پروژههای واقعی با کدهای حجیم و فایلهای متعدد سر و کار دارند. ارسال بخشهای وسیعی از پروژه به مدلهای عمومی مانند Claude Opus 5.5 یا GPT-6.1 Sol هزینه بالایی به همراه دارد. در بسیاری از موارد، کارهایی مانند توضیح نحوه عملکرد یک تابع، پیدا کردن یک اشکال کوچک یا نوشتن آزمونهای واحد نیازی به قدرتمندترین ابزار موجود در بازار ندارند. تفکیک ابزارها بر اساس پیچیدگی کار، راهکار مایکروسافت برای کاهش این هزینهها است.
ارائه دو نسخه متفاوت امکان میدهد که برنامهنویسان با توجه به بودجه و نیاز پروژه، گزینه مناسب را انتخاب کنند. مدل MAI Code 2 روی تغییرات عمیق و چندفایلی تمرکز دارد، در حالی که نسخه Flash برای پاسخهای سریع و اصلاحات ساده هدفگذاری شده است. این رویکرد به ویژه برای توسعهدهندگانی که از طرحهای رایگان استفاده میکنند، امکان بهرهمندی از هوش مصنوعی در کارهای روزمره را بدون پرداخت هزینههای سنگین فراهم میسازد.
مدل جدید گیت هاب کوپایلت چگونه عمل میکند؟
مدل MAI Code 2 طوری آموزش دیده است که به جای تولید ساده چند سطر کد، در فرایندهای چندمرحلهای توسعه مشارکت کند. این مدل میتواند ساختار کلی مخزن کد را تحلیل کند، وابستگیهای میان فایلها را بیابد و تغییرات لازم را به صورت هماهنگ اعمال نماید. هدف مایکروسافت در این مدل، ارائه خروجیهای آماده برای استفاده در محیط واقعی تولید است تا نیاز به ویرایشهای دستی تکراری به حداقل برسد.
بر اساس آمارهای منتشر شده بر پایه میانگین ۴ بنچمارک معتبر شامل DeepSWE 1.1 و Terminal-Bench 2.1 و SWE-Atlas و FrontierCode v1.1، مدل MAI Code 2 توانسته است به ۹۸ درصد عملکرد GPT-6.1 Sol دست یابد. این در حالی است که هزینه اجرای کار با آن حدود ۴۰ درصد مدل رقیب محاسبه میشود. همچنین این مدل در مقایسه با Claude Opus 5.5 به ۹۶ درصد عملکرد آن رسیده اما تنها ۵ درصد هزینه را روی دست کاربر میگذارد.
در بخش طراحی فرانتاند و رابط کاربری نیز نتایج متفاوتی ثبت شده است. در آزمایشهای دوسوکور با حضور ۲۵۸ ارزیاب انسانی، خروجی MAI Code 2 در ۶۷ درصد موارد نسبت به GPT-6 Sol ترجیح داده شد. این ارزیابیها شامل ساخت داشبوردهای مدیریتی، نمودارهای تعاملی، بازیهای تحت وب و طرحهای برداری SVG بوده است. ارزیابها هم ظاهر بصری و هم عملکرد فنی کد تولید شده را بررسی کردهاند.
در سوی دیگر، مدل MAI Code 2 Flash برای وظایف پرتکرار و سبک مانند توضیح کد، رفع اشکالات جزئی و پیشنهادات سریع طراحی شده است. این نسخه در آزمونهای روزمره کارهای نرمافزاری، عملکردی نزدیک به GPT-6 Luna و Claude Haiku 5.5 نشان داده است. هزینه استفاده از نسخه Flash در این بنچمارکها به ترتیب به حدود ۶۵ درصد و ۲۰ درصد هزینههای دو مدل یاد شده میرسد که صرفهجویی مالی محسوب میشود.

تعرفههای مالی و نحوه دسترسی توسعهدهندگان در محیطهای مختلف
تعرفههای اعلام شده برای این مدلها ماهیت تبلیغاتی دارند و تا تاریخ ۲۷ اردیبهشت ۱۴۰۶ معتبر خواهند بود. پس از این تاریخ، هزینه پردازش توکنها مطابق جدول قیمتگذاری استاندارد گیتهاب دو برابر خواهد شد. طبق بیانیه رسمی مایکروسافت پس از اتمام این مهلت، قیمت استاندارد MAI Code 2 به ۱ دلار برای هر میلیون توکن ورودی و ۵ دلار برای هر میلیون توکن خروجی میرسد.
برای نسخه کمحجمتر یعنی MAI Code 2 Flash، نرخها پس از اتمام مهلت یاد شده برابر با ۰.۱۰ دلار برای هر میلیون توکن ورودی و ۰.۵۰ دلار برای هر میلیون توکن خروجی خواهد بود. همانطور که در موضوع مدیریت مصرف توکن در چتجیپیتی مشاهده میشود، سهمیه پردازش ماهانه اهمیت بالایی دارد. این مبالغ پرداختی مجزا از هزینه اشتراک ماهانه گیتهاب کوپایلت هستند و پرداختیهای اضافی تنها پس از عبور از سقف تعیین شده محاسبه میشوند.
دسترسی به این دو مدل بر اساس نوع حساب کاربری متفاوت است. مدل قدرتمندتر MAI Code 2 در اختیار مشترکان طرحهای Copilot Pro و Pro+ و Max و همچنین حسابهای سازمانی Copilot Business و Copilot Enterprise قرار دارد. این دسته از کاربران میتوانند برای کارهای سنگینتر و اصلاحات پیچیده پروژه از توان محاسباتی این مدل استفاده کنند.
مدل MAI Code 2 Flash دامنهای شمول گستردهتری دارد. این مدل علاوه بر تمام مشترکان پولی، در دسترس کاربران حسابهای رایگان Copilot Free و حسابهای دانشجویی Copilot Student نیز قرار گرفته است. این تصمیم به دانشجویان و توسعهدهندگان مستقل اجازه میدهد بدون نیاز به تهیه اشتراکهای گرانقیمت، از یک دستیار هوشمند بهینه در محیط کدنویسی خود بهره ببرند.
یکپارچهسازی این مدلها در طیف وسیعی از محیطهای توسعه فراهم شده است. برنامهنویسان میتوانند در ویژوال استودیو کد، ویژوال استودیو، ابزار خط فرمان Copilot CLI، اپلیکیشن مستقل و وبسایت گیتهاب مدل مورد نظر را انتخاب کنند. همچنین پشتیبانی از این مدلها در برنامههای موبایل روی اندروید و آیاواس و محیطهای توسعه جتبرینز، اکسکد و اکلیپس نیز پیادهسازی شده است.
تغییر استراتژی مایکروسافت و چشمانداز بازار ابزارهای کدنویسی

اتکای کامل به سرویسهای بیرونی مانند اوپنایآی و آنتروپیک، مایکروسافت را در معرض هزینههای سنگین پردازش ابری و وابستگی زیرساختی قرار میداد. توسعه خانواده مدلهای MAI نشاندهنده استراتژی مایکروسافت برای کاهش هزینههای عملیاتی و کنترل بیشتر بر زیرساختهای خود است. این شرکت میخواهد با ارائه گزینههای اقتصادی، موقعیت گیتهاب کوپایلت را در بازار ابزارهای کمکی برنامهنویسی تثبیت کند.
معماری بهینهشده مدلهای جدید در سایر بخشهای اکوسیستم نرمافزاری مایکروسافت نیز به کار گرفته شده است. مدل MAI Work Flash با بهرهگیری از همین معماری برای برنامههای سازمانی مانند اکسل، پاورپوینت، ورد، تیمز و Fabric IQ توسعه یافته است. آزمایشهای داخلی نشان میدهند که این نسخه اختصاصی توانسته در کارهای تولید سند و تحلیل دادهها، مصرف توکن را به میزان زیادی کاهش دهد.
برنامههای مایکروسافت به گیتهاب محدود نمیشود. این شرکت عرضه نسخه MAI Code 2 Flash را به صورت پیشنمایش در Microsoft Foundry آغاز کرده و قصد دارد آن را از طریق پلتفرمهای دیگری مانند OpenRouter و Vercel و Hermes و OpenCode و Kilo نیز در دسترس قرار دهد. این گسترش ابزاری میتواند دسترسی توسعهدهندگان خارج از محیط گیتهاب را به این مدلها هموار کند.
با وجود این پیشرفتها، باید توجه داشت که مدلهای سری MAI جایگزین مطلق هوش مصنوعیهای عمومی پرچمدار نیستند. مایکروسافت تاکید کرده که این مدلها برای مسائل فوقالعاده پیچیده مانند تحقیقات علمی بنیادی یا فرایندهای خودکار طولانیمدت بدون نظارت انسانی طراحی نشدهاند. تمرکز اصلی روی کارهای روزمره و رایج برنامهنویسی است که بخش اعظم وقت توسعهدهندگان را به خود اختصاص میدهد.
انتخاب میان مدلها در نهایت به نوع پروژه و حساسیت کدهای تولیدی بستگی دارد. برای کارهای حساس فرانتاند و بازسازی ساختاری کدهای قدیمی، MAI Code 2 گزینهای منطقی است. در مقابل، برای رفع خطاهای ساده و تکمیل کدهای روتین، نسخه Flash میتواند هزینههای محاسباتی را به حداقل برساند بدون آنکه کیفیت کار دچار افت شدید شود.
مسیر تازه مایکروسافت نشان میدهد که رقابت در بازار هوش مصنوعی به سمت بهینهسازی هزینهها و تخصصی شدن ابزارها تغییر جهت داده است. شرکتهای بزرگ تکنولوژی درمییابند که برای حفظ کاربران و افزایش مقیاسپذیری، ارائه مدلهای کوچکتر، سریعتر و ارزانتر از ساخت مدلهای غولپیکر اهمیت بیشتری پیدا کرده است. سوال اصلی این است که آیا مدلهای بومی میتوانند پایداری خود را در پروژههای پیچیده دنیای واقعی حفظ کنند یا خیر.






