Microsoft ತನ್ನ GitHub Copilot ಗಾಗಿ ಮುಂದಿನ ತಲೆಮಾರಿನ ಕೋಡಿಂಗ್ ಮಾಡೆಲ್ ಆಗಿ MAI Code 1.1 Flash ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ, ಆದರೆ ಆರಂಭಿಕ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳು ಮತ್ತು ಬೆಲೆ ಪಟ್ಟಿಗಳು ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ವೆಚ್ಚ ಎರಡರಲ್ಲೂ DeepSeek ನ ಓಪನ್-ವೇಟ್ (open-weight) ಆಫರ್‌ನಿಂದ ಹಿಂದೆ ಇರಿಸಿವೆ.

ಬೆಂಚ್‌ಮಾರ್ಕ್ ವಾಸ್ತವ ಮತ್ತು ಪತ್ರಿಕಾ ಪ್ರಕಟಣೆ

Microsoft ತನ್ನ ಜೂನ್ ಮಾಸದ MAI ಮಾಡೆಲ್‌ನೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಟೋಕನ್ ದಕ್ಷತೆಯಲ್ಲಿ (token efficiency) 25% ಏರಿಕೆ ಮತ್ತು ವೆಚ್ಚದಲ್ಲಿ 75% ಕಡಿತವನ್ನು ತನ್ನ ಬಿಡುಗಡೆಯ ಟಿಪ್ಪಣಿಗಳಲ್ಲಿ ಭರವಸೆ ನೀಡಿದೆ. Copilot ಒಳಗಿರುವ ನೂರಾರು ಸಾವಿರಗಳಷ್ಟು ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್-ಲರ್ನಿಂಗ್ (reinforcement-learning) ಪರಿಸರಗಳಲ್ಲಿ ಮಾಡೆಲ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸಿದ ನಂತರ, "ಕೋಡ್ ಸರ್ವೈವಲ್" (code survival) ನಲ್ಲಿ 4% ಏರಿಕೆಯಾಗಿದೆ ಎಂದು ಕಂಪನಿಯು ಹೇಳಿಕೊಂಡಿದೆ.

ಸ್ವತಂತ್ರ ಪರೀಕ್ಷೆಗಳು ವಿಭಿನ್ನ ಕಥೆಯನ್ನು ಹೇಳುತ್ತವೆ. SWE-bench Verified ಸೂಟ್‌ನಲ್ಲಿ, MAI Code 1.1 Flash 72.6% ಪಾಸ್ ರೇಟ್ ಅನ್ನು ದಾಖಲಿಸಿದೆ, ಇದು Claude Haiku 4.5 (69.8%) ಮತ್ತು GPT-5.4 mini (69.2%) ಗಿಂತ ಸ್ವಲ್ಪ ಮುಂದಿದೆ. ಈ ಅನುಕೂಲವು ಅಲ್ಪ ಪ್ರಮಾಣದಲ್ಲಿದೆ ಮತ್ತು ಕೇವಲ ಒಂದು ಮೆಟ್ರಿಕ್‌ಗೆ ಸೀಮಿತವಾಗಿದೆ.

ನೈಜ ಪ್ರಪಂಚದ ಕಮಾಂಡ್-ಲೈನ್ ಕಾರ್ಯಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಮಾಡೆಲ್‌ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಅಳೆಯುವ Terminal Bench 2.1 ನಲ್ಲಿ ಈ ಅಂತರವು ಹೆಚ್ಚಾಗುತ್ತದೆ. ಇಲ್ಲಿ MAI Code 1.1 Flash 62.9% ಅಂಕಗಳನ್ನು ಪಡೆದರೆ, DeepSeek-V4-Flash-0731 82.7% ಫಲಿತಾಂಶವನ್ನು ನೀಡಿದೆ. ಟರ್ಮಿನಲ್-ಕೇಂದ್ರಿತ ಕೋಡ್ ಜನರೇಷನ್ ಮೇಲೆ ಅವಲಂಬಿತರಾಗಿರುವ ಡೆವಲಪರ್‌ಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವಷ್ಟು ದೊಡ್ಡದಿದೆ ಈ ವ್ಯತ್ಯಾಸ.

ಬೆಲೆ ನಿರ್ಧಾರದ ಒತ್ತಡದ ಅಂಶಗಳು

Microsoft ಈ ಹೊಸ ಮಾಡೆಲ್ ಅನ್ನು "ಬಜೆಟ್ ಸ್ನೇಹಿ" ಆಯ್ಕೆಯೆಂದು ಮಾರುಕಟ್ಟೆ ಮಾಡುತ್ತಿದೆ, ಆದರೆ ಟೋಕನ್ ಬೆಲೆಗಳು ಅದನ್ನೇ ಬೇರೆಯೇ ಹೇಳುತ್ತಿವೆ. DeepSeek-V4-Flash ಪ್ರತಿ ಇನ್‌ಪುಟ್ ಟೋಕನ್‌ಗೆ $0.14 ಮತ್ತು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಟೋಕನ್‌ಗೆ $0.28 ವಿಧಿಸುತ್ತದೆ. MAI Code 1.1 Flash ಇನ್‌ಪುಟ್‌ಗೆ $0.20 ಮತ್ತು ಔಟ್‌ಪುಟ್‌ಗೆ $1.20 ಎಂದು ಪಟ್ಟಿ ಮಾಡಿದೆ. Claude Haiku 4.5 ಕ್ರಮವಾಗಿ $1.00 ಮತ್ತು $5.00 ಬೆಲೆಯನ್ನು ಹೊಂದಿದ್ದು, ಇದು ಅದರ ಪ್ರೀಮಿಯಂ ಸ್ಥಾನಮಾನವನ್ನು ದೃಢಪಡಿಸುತ್ತದೆ.

ಔಟ್‌ಪುಟ್-ಟೋಕನ್ ವೆಚ್ಚದಲ್ಲಿನ ತೀವ್ರ ಏರಿಕೆಯು, ದೊಡ್ಡ ಪ್ರಮಾಣದ ಕೋಡ್‌ಗಳನ್ನು ಜನರೇಟ್ ಮಾಡುವ ಯಾವುದೇ ವರ್ಕ್‌ಫ್ಲೋಗೆ, ತನ್ನ ಹಿಂದಿನ ಮಾಡೆಲ್‌ನಿಂದ ಭರವಸೆ ನೀಡಿದ ಕಡಿತಗಳ ನಂತರವೂ Microsoft ಮಾಡೆಲ್ ಹೆಚ್ಚು ದುಬಾರಿ ಆಯ್ಕೆಯಾಗುವಂತೆ ಮಾಡುತ್ತದೆ. ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಡೆವಲಪರ್‌ಗಳು ಮತ್ತು ಉದ್ಯಮಗಳಿಗೆ (enterprises), ಆರ್ಥಿಕತೆಯು ತೀವ್ರವಾಗಿ DeepSeek ಕಡೆಗೆ ವಾಲಿಬರುತ್ತದೆ.

MAI Code 1.1 Flash ಹೇಗೆ ಬಂದಿತು

Copilot ಸ್ಟ್ಯಾಕ್‌ನಲ್ಲಿರುವ ಥರ್ಡ್-ಪಾರ್ಟಿ ಸೇವೆಗಳನ್ನು ಒಳಗಿನಿಂದ ನಿರ್ಮಿಸಲಾದ ಪರ್ಯಾಯಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸುವ Microsoft ನ ವ್ಯಾಪಕ ಪ್ರಯತ್ನದ ಭಾಗವಾಗಿ ಈ ಮಾಡೆಲ್ ಇದೆ. Copilot ಬಳಕೆಯಿಂದ ಪಡೆದ ವ್ಯಾಪಕವಾದ ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್-ಲರ್ನಿಂಗ್ ಡೇಟಾದ ಮೇಲೆ ತರಬೇತಿ ನೀಡುವ ಮೂಲಕ, ಬಳಕೆದಾರರ ನಡವಳಿಕೆ ಮತ್ತು ಮಾಡೆಲ್ ಸುಧಾರಣೆಯ ನಡುವಿನ ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್ ಅನ್ನು ಗಟ್ಟಿಗೊಳಿಸಲು Microsoft ಆಶಿಸುತ್ತದೆ. ಈ ಬಿಡುಗಡೆಯು ಹಂತ ಹಂತದ ಅಪ್‌ಗ್ರೇಡ್‌ಗಳ ಮಾದರಿಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ: ಜೂನ್ ಆವೃತ್ತಿಯನ್ನು ವೆಚ್ಚ ಉಳಿಸುವ ಸಾಧನವಾಗಿ ನೋಡಲಾಗಿತ್ತು ಮತ್ತು Flash ಆವೃತ್ತಿಯನ್ನು ಆ ಹಾದಿಯಲ್ಲಿನ ಮುಂದಿನ ಹಂತವಾಗಿ ರೂಪಿಸಲಾಗಿದೆ.

ವಿಜೇತರು, ಸೋತವರು ಮತ್ತು ವಿಶಾಲವಾದ ಪಣಗಳು

AI ವೆಚ್ಚವನ್ನು ನಿಯಂತ್ರಿಸಲು ಬಯಸುವ ಉದ್ಯಮಗಳಿಗೆ, ವಿಶೇಷವಾಗಿ ಔಟ್‌ಪುಟ್ ಪ್ರಮಾಣ ಹೆಚ್ಚಿದ್ದಾಗ, DeepSeek ನ ಬೆಲೆ ಹೆಚ್ಚು ಆಕರ್ಷಕವಾಗಿ ಕಾಣಬಹುದು. ಈ ನಡುವೆ, Microsoft ತನ್ನ Copilot ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಮೇಲೆ ಹೆಚ್ಚಿನ ನಿಯಂತ್ರಣವನ್ನು ಪಡೆಯುತ್ತದೆ ಮತ್ತು OpenAI ಅಥವಾ Anthropic ನಂತಹ ಬಾಹ್ಯ ಪೂರೈಕೆದಾರರಿಂದ ಆದಾಯವನ್ನು ತನ್ನತ್ತ ಸೆಳೆಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಪಡೆಯುತ್ತದೆ.

Microsoft ನ ಸಂಭಾವ್ಯ ಸಮರ್ಥನೆ

Microsoft ನ ಸ್ವಂತ ಡೇಟಾ ಟೋಕನ್-ದಕ್ಷತೆಯ ಲಾಭಗಳು ಮತ್ತು SWE-bench ನಲ್ಲಿನ ಸಣ್ಣ ಮಟ್ಟದ ಮುನ್ನಡೆಗೆ ಒತ್ತು ನೀಡುತ್ತದೆ.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • ಅಳವಡಿಕೆಯ ಮೆಟ್ರಿಕ್‌ಗಳು (Adoption metrics): ಡೆವಲಪರ್‌ಗಳು ಹೊಸ ಡಿಫಾಲ್ಟ್‌ಗೆ ಬದಲಾಗುತ್ತಾರೆಯೇ ಅಥವಾ API ಮೂಲಕ ಪರ್ಯಾಯ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬಳಸುತ್ತಾರೆಯೇ ಎಂಬುದನ್ನು Copilot ನ ಬಳಕೆಯ ಅಂಕಿಅಂಶಗಳು ಬಹಿರಂಗಪಡಿಸುತ್ತವೆ.
  • ಬೆಲೆ ಹೊಂದಾಣಿಕೆಗಳು (Pricing adjustments): ಒಂದು ವೇಳೆ Microsoft ನ ಔಟ್‌ಪುಟ್-ಟೋಕನ್ ಬೆಲೆ ಹೆಚ್ಚಾಗಿಯೇ ಉಳಿದರೆ, ಮಾರುಕಟ್ಟೆಯ ಒತ್ತಡವು ಅದನ್ನು ಪರಿಷ್ಕರಿಸಲು ಒತ್ತಾಯಿಸಬಹುದು.
  • ಬೆಂಚ್‌ಮಾರ್ಕ್ ಅಪ್‌ಡೇಟ್‌ಗಳು (Benchmark updates): ಟರ್ಮಿನಲ್-ಕೇಂದ್ರಿತ ಪರೀಕ್ಷೆಗಳ ಹೊಸ ಆವೃತ್ತಿಗಳು ಕಾರ್ಯಕ್ಷಮತೆಯ ಸಮತೋಲನವನ್ನು ಬದಲಿಸಬಹುದು, ವಿಶೇಷವಾಗಿ Microsoft ತನ್ನ ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್-ಲರ್ನಿಂಗ್ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಸುಧಾರಿಸುತ್ತಿದ್ದಂತೆ.
  • ಓಪನ್-ವೇಟ್ ಸ್ಪರ್ಧೆ (Open-weight competition): ಕೋಡಿಂಗ್ ಕ್ಷೇತ್ರಕ್ಕೆ ಪ್ರವೇಶಿಸುತ್ತಿರುವ ಹೆಚ್ಚಿನ ಓಪನ್-ವೇಟ್ ಮಾಡೆಲ್‌ಗಳು ಬೆಲೆ-ಕಾರ್ಯಕ್ಷಮತೆಯ ಸ್ಪರ್ಧೆಯನ್ನು ತೀವ್ರಗೊಳಿಸಬಹುದು.

ಸಾರಾಂಶ

MAI Code 1.1 Flash ಒಂದು ಸೀಮಿತ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ನಲ್ಲಿ ಸಣ್ಣ ಮಟ್ಟದ ಲಾಭಗಳನ್ನು ತರುತ್ತದೆ, ಆದರೆ ಟರ್ಮಿನಲ್ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಟೋಕನ್ ವೆಚ್ಚ ಎರಡರಲ್ಲೂ DeepSeek ನ ಓಪನ್-ವೇಟ್ ಮಾಡೆಲ್‌ನಿಂದ ಹಿಂದೆ ಬೀಳುತ್ತದೆ, ಇದು ಡೆವಲಪರ್‌ಗಳು ಏಕೀಕರಣದ ಅನುಕೂಲತೆ (integration convenience) ಮತ್ತು ಕಚ್ಚಾ ದಕ್ಷತೆಯ (raw efficiency) ನಡುವೆ ತೂಕ ಹಾಕುವಂತೆ ಮಾಡುತ್ತದೆ.