微软发布 MAI Code1.1 Flash：GitHub Copilot 将支持本地与云端混合推理

事件核心：发生了什么

微软此次发布的核心有两个层面。第一，GitHub Copilot 将不再只依赖云端算力。按照官方说法，在本月底之前，开发者可以通过 GitHub Copilot CLI、Copilot 应用以及 Visual Studio Code，自行选择推理模式：要么让 Copilot 自动调度资源，要么通过 Windows ML 提供程序或兼容 OpenAI 的端点，明确调用本地模型。

第二，微软推出了一款专为端侧推理优化的模型 MAI Code1.1 Flash。公开信息显示，该模型采用混合专家架构，总参数量为 1370 亿，但每次推理只激活约 68 亿参数；同时结合量化与投机解码技术，以降低内存占用并提升设备端编码响应速度。该模型将首先集成在搭载英伟达 RTX Spark 硬件的 Surface Laptop Ultra 上。

在安全层面，系统集成了由 Windows 团队构建的微软可执行容器，利用各操作系统原生的容器隔离机制，来保障代码执行安全。需要说明的是，目前这些信息来自发布会与官方新闻稿，实际体验和性能表现还有待产品正式上线后验证。

为什么重要

AI 编码助手长期以云端推理为主，好处是模型能力强、部署简单，代价是网络延迟、数据出本地以及持续产生的算力成本。微软这次把“本地 + 云端”混合推理做成可选项，意味着 Copilot 的产品形态开始从单一云服务转向混合架构。

对行业竞争来说，这一动作会进一步拉高本地推理的可见度。此前本地模型更多是开源社区和小众工具在推进，微软将其纳入主流 AI 编程工具，可能促使其他厂商跟进类似能力。MoE 架构配合量化与投机解码，也说明端侧推理在参数规模与响应速度之间正尝试新的平衡。不过，混合推理能否成为默认选项，还取决于本地模型实际体验是否接近云端。

对用户/开发者/创作者的影响

对开发者而言，最直接的变化是可以在同一套工作流里切换推理后端。涉及敏感代码或要求低延迟的场景，可以指定本地 MAI Code1.1 Flash；需要更强能力或更复杂任务时，仍可交给云端模型。不过，本地模型的生成质量、上下文长度和工具调用能力是否会缩水，目前公开信息不足以判断。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对硬件采购者来说，Surface Laptop Ultra 与英伟达 RTX Spark 的组合会被视为一个参考配置。普通用户如果只是用 Copilot 做日常补全，短期内未必需要本地推理；但如果企业出于合规或隐私要求希望代码不出本地，这种混合方案会更有吸引力。创作者使用 Copilot 做代码辅助时，也需要注意本地与云端模式在功能和配额上可能存在差异。

值得关注的后续

第一，月底上线后，本地模式是否对所有 Copilot 订阅层级开放，还是仅限特定硬件或企业版。第二，MAI Code1.1 Flash 的实际响应速度、内存占用和代码质量是否有第三方评测，而不只是发布会数据。第三，其他 AI 编程工具，如 Cursor、JetBrains AI 等，是否会跟进类似的本地与云端混合调度能力。

来源：AIbase