Microsoft એ GitHub Copilot માટે આગામી પેઢીના કોડિંગ મોડેલ તરીકે MAI Code 1.1 Flash લોન્ચ કર્યું છે, પરંતુ પ્રારંભિક બેન્ચમાર્ક અને કિંમતની વિગતો તેને પ્રદર્શન અને ખર્ચ બંનેમાં DeepSeek ના open-weight ઓફરિંગ કરતા પાછળ રાખે છે.
બેન્ચમાર્ક વાસ્તવિકતા વિરુદ્ધ પ્રેસ રિલીઝ
Microsoft ના લોન્ચિંગ નોટ્સ તેના MAI મોડેલના જૂન વર્ઝનની સરખામણીમાં ટોકન કાર્યક્ષમતામાં 25% નો વધારો અને ખર્ચમાં 75% નો ઘટાડો કરવાનું વચન આપે છે. કંપની Copilot ની અંદર લાખો reinforcement-learning વાતાવરણમાં મોડેલને તાલીમ આપ્યા પછી "code survival" માં 4% નો વધારો હોવાનો પણ દાવો કરે છે.
સ્વતંત્ર પરીક્ષણ અલગ વાર્તા કહે છે. SWE-bench Verified સૂટ પર, MAI Code 1.1 Flash 72.6% નો પાસ રેટ નોંધાવે છે, જે Claude Haiku 4.5 (69.8%) અને GPT-5.4 mini (69.2%) કરતા થોડું આગળ છે. આ ફાયદો નજીવો છે અને માત્ર એક જ મેટ્રિક સુધી મર્યાદિત છે.
Terminal Bench 2.1 પર આ તફાવત વધુ જોવા મળે છે, જે વાસ્તવિક દુનિયાના command-line કાર્યો પૂર્ણ કરવાની મોડેલની ક્ષમતાને માપે છે. અહીં MAI Code 1.1 Flash 62.9% સ્કોર કરે છે, જ્યારે DeepSeek-V4-Flash-0731 82.7% નો પરિણામ આપે છે. આ તફાવત એવા ડેવલપર્સને અસર કરવા માટે પૂરતો મોટો છે જેઓ terminal-centric કોડ જનરેશન પર આધાર રાખે છે.
કિંમત અંગેના દબાણના મુદ્દાઓ
Microsoft આ નવા મોડેલને "બજેટ-ફ્રેન્ડલી" વિકલ્પ તરીકે માર્કેટ કરે છે, પરંતુ ટોકન પ્રાઇસિંગ કંઈક અલગ જ કહે છે. DeepSeek-V4-Flash ઇનપુટ ટોકન દીઠ $0.14 અને આઉટપુટ ટોકન દીઠ $0.28 વસૂલે છે. MAI Code 1.1 Flash ઇનપુટ માટે $0.20 અને આઉટપુટ માટે $1.20 દર્શાવે છે. Claude Haiku 4.5 અનુક્રમે $1.00 અને $5.00 પર છે, જે તેની પ્રીમિયમ સ્થિતિની પુષ્ટિ કરે છે.
આઉટપુટ-ટોકન ખર્ચમાં મોટો ઉછાળો એનો અર્થ છે કે જે કોઈપણ વર્કફ્લો મોટા કોડ બ્લોક્સ જનરેટ કરે છે, તેમાં Microsoft નું મોડેલ તેના પૂર્વવર્તી મોડેલના વચન આપેલા ઘટાડા પછી પણ વધુ મોંઘો વિકલ્પ બની જશે. મોટા પાયે કામ કરતા ડેવલપર્સ અને એન્ટરપ્રાઇઝ માટે, આર્થિક પાસાઓ સ્પષ્ટપણે DeepSeek તરફ ઝુકે છે.
MAI Code 1.1 Flash કેવી રીતે આવ્યું
આ મોડેલ Copilot સ્ટેકમાં થર્ડ-પાર્ટી સેવાઓને આંતરિક રીતે નિર્મિત વિકલ્પો સાથે બદલવાના Microsoft ના વ્યાપક પ્રયાસનો એક ભાગ છે. Copilot ના ઉપયોગમાંથી મેળવેલા વ્યાપક reinforcement-learning ડેટા પર તાલીમ આપીને, Microsoft વપરાશકર્તાના વર્તન અને મોડેલ સુધારણા વચ્ચેના ફીડબેક લૂપને મજબૂત બનાવવાની આશા રાખે છે. આ લોન્ચિંગ ક્રમિક અપગ્રેડ્સની પેટર્નને અનુસરે છે: જૂન વર્ઝનને ખર્ચ બચાવનાર તરીકે રજૂ કરવામાં આવ્યું હતું, અને Flash ઇટરેશનને તે જ દિશામાં આગલું પગલું માનવામાં આવે છે.
વિજેતાઓ, હારનારાઓ અને વ્યાપક હિતો
AI ખર્ચને નિયંત્રિત કરવા માંગતી એન્ટરપ્રાઇઝ માટે DeepSeek ની કિંમત વધુ આકર્ષક હોઈ શકે છે, ખાસ કરીને જ્યારે આઉટપુટનું પ્રમાણ વધારે હોય. બીજી તરફ, Microsoft ને Copilot ઇકોસિસ્ટમ પર વધુ મજબૂત નિયંત્રણ મળે છે અને OpenAI અથવા Anthropic જેવા બાહ્ય પ્રદાતાઓ પાસેથી આવકને પોતાની તરફ વાળવાની ક્ષમતા મળે છે.
Microsoft નો સંભવિત બચાવ
Microsoft નો પોતાનો ડેટા ટોકન-કાર્યક્ષમતામાં થયેલા વધારા અને SWE-bench પરના નજીવા ફાયદા પર ભાર મૂકે છે.
હવે આગળ શું જોવું
- Adoption metrics: Copilot ના વપરાશના આંકડાઓ દર્શાવશે કે ડેવલપર્સ નવા ડિફોલ્ટ પર સ્વિચ કરે છે કે API દ્વારા વૈકલ્પિક મોડેલ્સ ઇમ્પોર્ટ કરે છે.
- Pricing adjustments: જો Microsoft ના આઉટપુટ-ટોકનનો ભાવ ઊંચો રહે છે, તો બજારનું દબાણ સુધારા માટે મજબૂર કરી શકે છે.
- Benchmark updates: Terminal-કેન્દ્રિત પરીક્ષણોના નવા વર્ઝન પ્રદર્શનનું સંતુલન બદલી શકે છે, ખાસ કરીને જ્યારે Microsoft તેની reinforcement-learning પાઇપલાઇનને વધુ સુધારે છે.
- Open-weight competition: કોડિંગ ક્ષેત્રમાં પ્રવેશતા વધારાના open-weight મોડેલ્સ કિંમત-પ્રદર્શનની સ્પર્ધાને વધુ તીવ્ર બનાવી શકે છે.
સારાંશ
MAI Code 1.1 Flash મર્યાદિત બેન્ચમાર્ક પર નજીવા ફાયદા લાવે છે પરંતુ terminal પ્રદર્શન અને ટોકન ખર્ચ બંનેમાં DeepSeek ના open-weight મોડેલથી પાછળ રહી જાય છે, જેના કારણે ડેવલપર્સ માટે ઇન્ટિગ્રેશનની સુવિધા અને શુદ્ધ કાર્યક્ષમતા વચ્ચે તુલના કરવી જરૂરી બનશે.