Microsoft ปล่อย MAI-Code-1.1-Flash — MoE 138B active 5B ลดราคา 73% แต่ model card เผยว่า SWE-Bench ขยับแค่ 1 คะแนน

เมื่อ 11 สิงหาคม 2026 Microsoft ประกาศปล่อย MAI-Code-1.1-Flash โมเดลโค้ดรุ่นเล็กรุ่นใหม่เข้า GitHub Copilot ต่อจาก MAI-Code-1-Flash ที่เปิดตัวในงาน Build เมื่อเดือนมิถุนายน พาดหัวของ Microsoft เองคือ “better, faster, at a quarter of the cost” — เขียนโค้ดดีขึ้น ใช้โทเคนน้อยลง 25% และราคาลิสต์ลดลง 73% จากรุ่นก่อน

แต่จุดที่น่าสนใจกว่าคำโฆษณาคือ model card ฉบับเต็ม ที่ Microsoft แนบมาด้วย เพราะมันมีทั้งสเปกที่ไม่เคยเปิดมาก่อน และตารางเบนช์มาร์กที่บอกเรื่องราวละเอียดกว่าบล็อกประกาศพอสมควร — รวมถึงช่องที่โมเดลใหม่ยัง แพ้ คู่แข่ง

สเปกที่เพิ่งเปิดครั้งแรกใน model card

บล็อกประกาศของ Microsoft ไม่ได้บอกสถาปัตยกรรมเลย แต่ model card บอกครบ:

หัวข้อ	ค่า
สถาปัตยกรรม	Transformer + sparse Mixture-of-Experts
พารามิเตอร์	138B total, 5B active
Context	256K โทเคน
อินพุต	ข้อความ + ภาพ
ช่วงเทรน	มีนาคม – สิงหาคม 2026
วันปล่อย	11 สิงหาคม 2026 (รวม EU)
Model dependencies	MAI-Thinking-1, MAI-Code-1-Flash

สองบรรทัดสุดท้ายคือของดี ช่อง “model dependencies” ระบุ MAI-Thinking-1 ตรง ๆ — แปลว่าโมเดลโค้ดรุ่นเล็กตัวนี้สืบสายมาจากโมเดล reasoning เรือธงที่ Microsoft เปิดที่ Build ซึ่งเป็นสูตรมาตรฐานของวงการตอนนี้ (กลั่นโมเดลใหญ่ลงมาเป็นรุ่นเล็กที่เสิร์ฟถูก) แต่ไม่ใช่ทุกเจ้าที่ยอมเขียนไว้ในเอกสารทางการ

active 5B บน total 138B คืออัตราส่วน sparse ที่สูงมาก — เป็นเหตุผลตรง ๆ ว่าทำไมถึงเสิร์ฟได้ถูกและเร็วขนาดนี้

ตัวเลขจริง: SWE-Bench แทบไม่ขยับ แต่ Terminal Bench กระโดด

นี่คือตารางจาก model card ทั้งหมดวัดใน harness เดียวกัน คือ VS Code harness ตัวที่ Copilot ใช้เสิร์ฟผู้ใช้จริง และรายงาน “โทเคนที่ใช้ต่อ 1 งานที่ทำสำเร็จ” ควบคู่กับ pass rate:

เบนช์มาร์ก	MAI-Code-1.1-Flash	MAI-Code-1-Flash	Haiku 4.5	GPT 5.4 mini
SWE-Bench Verified	72.6 (8.6K โทเคน)	71.6 (10.8K)	69.8 (20.9K)	69.2 (9.4K)
Terminal Bench 2.1	62.9 (17.0K)	51.7 (14.2K)	49.4 (25.5K)	60.7 (21.9K)

อ่านตารางนี้ให้ตรง:

• SWE-Bench Verified ขยับแค่ +1.0 คะแนน (71.6 → 72.6) ซึ่งอยู่ในระดับ noise ของเบนช์มาร์กนี้ ของจริงที่เปลี่ยนคือ โทเคนลดลง 20% (10.8K → 8.6K) นี่คือที่มาของคำว่า “token efficiency 25%” ไม่ใช่ความฉลาดที่เพิ่มขึ้น
• Terminal Bench 2.1 คือที่ที่กระโดดจริง +11.2 คะแนน (51.7 → 62.9) หรือ +22% เชิงสัมพัทธ์ ตรงกับที่ Microsoft เคลม แต่สังเกตว่าโทเคน เพิ่มขึ้น จาก 14.2K เป็น 17.0K — งาน agent ยาว ๆ โมเดลใหม่ยอมคิดนานขึ้นเพื่อแลกความสำเร็จ ซึ่งสมเหตุสมผล แต่ก็แปลว่า “ประหยัดโทเคน 25%” ไม่ได้เป็นจริงทุกงาน
• เทียบคู่แข่ง: ชนะ Haiku 4.5 ทั้งสองช่องและใช้โทเคนน้อยกว่ามาก (8.6K vs 20.9K) ส่วน GPT 5.4 mini สูสีกว่าที่คิด — 60.7 บน Terminal Bench ห่างแค่ 2.2 คะแนน

ความสามารถด้านภาพ — ชนะขาดบางงาน แพ้ในงานที่ยากที่สุด

ของใหม่จริงของรุ่น 1.1 คืออินพุตภาพ Microsoft วัดกับเบนช์มาร์กภายในสามชุด:

งาน	MAI-Code-1.1-Flash	Haiku 4.5	GPT 5.4 mini
Text2WebApp	74.1 (17.1K)	11.5 (60.0K)	58.3 (36.4K)
ScreenShot2WebApp	42.1 (10.5K)	10.0 (33.9K)	39.3 (26.6K)
Vision2Web Level3	11.5 (15.1K)	13.7 (36.5K)	10.1 (3.7K)

สองแถวแรกคือชัยชนะที่ห่างมาก — ScreenShot2WebApp คืองาน “โยนภาพหน้าจอเข้าไป แล้วให้เขียนหน้าเว็บออกมา” ซึ่ง 42.1 เทียบกับ Haiku 4.5 ที่ 10.0 คือคนละชั้น และใช้โทเคนหนึ่งในสาม

แต่แถวสุดท้ายคือความซื่อสัตย์ที่ควรชม: Vision2Web Level3 — MAI-Code-1.1-Flash ได้ 11.5 แพ้ Haiku 4.5 ที่ 13.7 Microsoft ใส่ช่องที่ตัวเองแพ้ไว้ใน model card เอง ทั้งสามโมเดลได้คะแนนต่ำระดับ 10 ต้น ๆ ทั้งหมด ซึ่งแปลว่างานแปลงภาพเว็บซับซ้อนเป็นโค้ดยังไม่มีใครแก้ได้จริง — อย่าเพิ่งเอาไปวางในไปป์ไลน์การผลิต

ราคาและการเข้าถึง — และคำเตือนเรื่องตัวเลขราคา

ฝั่ง GitHub Copilot ตาม changelog วันเดียวกัน:

• Copilot Free และ Student ได้ผ่าน automatic model selection
• Pro, Pro+, Max, Business, Enterprise เลือกโมเดลเองได้ (Business/Enterprise ต้องให้แอดมินเปิดก่อน)
• คิดที่ 0.25× premium request multiplier สำหรับผู้สมัครรายปี
• ใช้ได้ครอบคลุม: Copilot CLI, cloud agent, GitHub Copilot app, Copilot Chat บน GitHub, VS Code, Visual Studio, GitHub Mobile, JetBrains IDEs, Eclipse และ Xcode
• มี changelog แยกประกาศ การเลิกใช้ MAI-Code-1-Flash รุ่นเดิมแล้ว

เรื่องราคาต่อโทเคนต้องระวัง — model card ระบุชัดว่า “Pricing: To be finalized” สื่อบางเจ้ารายงานตัวเลข $0.20 อินพุต / $1.20 เอาต์พุต ต่อล้านโทเคน ซึ่งสอดคล้องกับการคำนวณจากราคารุ่นเดิม ($0.75/$4.50) ลบ 73% พอดี แต่ ณ วันที่เขียน Microsoft ยังไม่ได้ยืนยันราคา API อย่างเป็นทางการในเอกสารของตัวเอง ใครจะวางแผนงบต้องรอหน้า pricing จริง

เทียบกับ DeepSeek V4 Flash — และกับดักของการเทียบข้าม harness

สื่อหลายเจ้าพาดหัวว่า MAI-Code-1.1-Flash “โดน DeepSeek ถล่ม” โดยอ้าง Terminal Bench 2.1 ของ DeepSeek-V4-Flash ที่ 82.7 เทียบกับ 62.9 และราคาที่ $0.14/$0.28 ต่อล้านโทเคน

ทิศทางนั้นน่าจะถูก — DeepSeek ถูกกว่าและคะแนนสูงกว่าจริง แต่ต้องใส่ดอกจันตัวใหญ่: สองตัวเลขนี้มาจากคนละ harness Microsoft วัดใน VS Code harness ของ Copilot เอง ส่วน 82.7 ของ DeepSeek มาจาก harness ของ DeepSeek เองที่ยังไม่ปล่อยออกมา และรันที่ระดับ effort สูงสุด (เราเขียนถึงข้อควรระวังนี้ไว้แล้วตอน V4-Flash ออกเมื่อ 31 กรกฎาคม) การเอา 82.7 มาวางข้าง 62.9 แล้วสรุปว่าห่างกัน 20 คะแนนจึงไม่ใช่การเทียบที่สะอาด

สิ่งที่เทียบได้ตรงกว่าคือ ราคา: $0.14/$0.28 ของ DeepSeek กับราคาที่คาดของ MAI ที่ $0.20/$1.20 — ช่องว่างฝั่งเอาต์พุตคือ 4 เท่ากว่า และ cache hit ของ DeepSeek ที่ $0.0028 ยิ่งถ่างออกไปอีกสำหรับ agent ที่วน loop บน context เดิม

มุมมอง AI Curator

สิ่งที่ควรจดจำจากรอบนี้ไม่ใช่คะแนน แต่คือ Microsoft เปลี่ยนหน่วยวัดที่ตัวเองอยากให้เราดู บล็อกประกาศแทบไม่พูดถึงเบนช์มาร์กสาธารณะเลย แต่ไปเน้น “code survival +4%” และ “return visits +9%” — คือตัวเลขจากพฤติกรรมผู้ใช้จริงใน Copilot ว่าโค้ดที่โมเดลเขียนอยู่รอดในเรโปนานแค่ไหน ส่วนตัวเลขเบนช์มาร์กถูกซุกไว้ใน PDF model card

การอ่านแบบเห็นใจคือ: Microsoft มีสิ่งที่คู่แข่งไม่มี — telemetry จาก Copilot ที่บอกได้จริงว่าโค้ดถูกยอมรับและอยู่รอดไหม ซึ่งวัดคุณค่าได้ตรงกว่า SWE-Bench เยอะ การเทรนด้วย “hundreds of thousands of reinforcement-learning environments” จาก Copilot harness ตรง ๆ ก็เป็นข้อได้เปรียบเชิงโครงสร้างที่ทำซ้ำได้ยาก การอ่านแบบระแวงคือ: เมตริกที่วัดในบ้านตัวเอง ตรวจสอบจากภายนอกไม่ได้เลย และมันบังเอิญขึ้นในปีที่คะแนน SWE-Bench ขยับได้แค่ 1 คะแนน

สำหรับทีมไทยและ SEA ข้อสรุปเชิงปฏิบัติมีสามข้อ

หนึ่ง — ถ้าคุณจ่าย Copilot อยู่แล้ว นี่คือของฟรีที่ควรเปิด multiplier 0.25× แปลว่างานที่เคยกินโควตา 1 request ตอนนี้กินหนึ่งในสี่ สำหรับทีมเล็กที่ชนเพดาน premium request ทุกเดือน นี่เปลี่ยนสมการมากกว่าคะแนนเบนช์มาร์กใด ๆ และ Business/Enterprise อย่าลืมว่าแอดมินต้องกดเปิดก่อน ไม่งั้นทีมจะไม่เห็นโมเดล

สอง — อย่าเลือกโมเดลจากตัวเลข SWE-Bench อีกต่อไป ตารางนี้แสดงให้เห็นชัดว่าโมเดลสี่ตัวอยู่ในช่วง 69.2–72.6 คือแทบแยกไม่ออก แต่ห่างกันสามเท่าเรื่องโทเคน (8.6K vs 20.9K) และห่างกัน 13 คะแนนบน Terminal Bench มิติที่แยกโมเดลออกจากกันในปี 2026 คือ ต้นทุนต่องานที่สำเร็จ และ ความทนทานในงาน agent ยาว ๆ ไม่ใช่ pass rate เดี่ยว ๆ

สาม — สำหรับทีมที่ไม่ได้ผูกกับ Copilot สมการยังไม่เปลี่ยน MAI-Code-1.1-Flash เป็นโมเดลปิด เข้าถึงได้ทาง Copilot เท่านั้น (model card เขียนว่า “Available in GitHub Copilot for all clients”) ไม่มีเวต ไม่มีทางรันเอง ขณะที่ทางเลือกจีนอย่าง DeepSeek V4 Flash ถูกกว่าและเสียบ Codex ได้ตรง ๆ คุณค่าที่แท้จริงของ MAI-Code-1.1-Flash จึงไม่ใช่ “โมเดลที่ดีที่สุด” แต่คือ “โมเดลที่ดีพอในเครื่องมือที่คุณจ่ายไปแล้ว” — ซึ่งสำหรับองค์กรไทยจำนวนมากที่มาตรฐานคือ GitHub Enterprise นั่นอาจเป็นเหตุผลที่เพียงพอ

แหล่งข่าว

• MAI-Code-1.1-Flash: Better, faster, at a quarter of the cost — Microsoft AI
• MAI-Code-1.1-Flash Model Card (PDF) — Microsoft AI
• MAI-Code-1.1-Flash available in GitHub Copilot — GitHub Changelog
• Microsoft’s new MAI Code 1.1 Flash gets crushed by Deepseek on both price and performance — The Decoder