AI

MAI Code 2とは?Flashとの違い・料金・GitHub Copilotでの使い方【2026年11月】

MAI Code 2とは?Flashとの違い・料金・GitHub Copilotでの使い方【2026年11月】

MAI Code 2は、Microsoft AIが2026年11月17日に公開したコーディング用の大規模言語モデルです。同時に軽量版のMAI Code 2 Flashも出ており、どちらもGitHub Copilotのモデルピッカーから選べます。この記事では、2つのモデルの違い、モデルカードに書かれた仕様と制約、AI creditsでの単価と2027年5月17日の値上げ、Copilot CLIでの指定手順、組織の管理者が確かめる設定を、公式の記載だけを根拠に整理します。

まとめ:MAI Code 2とFlashの使い分けと、導入前に確かめる3つの設定

MAI Code 2は複数ファイルにまたがる実装やデバッグ向け、Flashはコードの説明や小さな修正を大量にこなす用途向けです。Copilot上の単価は2027年5月17日まで販促価格で、MAI Code 2が入力100万トークンあたり0.50ドル・出力2.50ドル、Flashが0.05ドル・0.25ドルです。この日を過ぎると2倍になります。

ベンダー公表値では、MAI Code 2はClaude Opus 5.5の96%の成績を5%のコストで出したとされます。ただし評価は英語のコード生成に限った調整で、日本語の仕様書やコメントを多く扱うチームでは自前の確認が要ります。

導入前に見るのは3点です。組織のモデルポリシーで自動的に有効になっていないか、AI creditsの予算上限を決めたか、販促価格が切れた後の単価で費用を見積もったか。この3つを済ませれば、試験導入として使い始めて差し支えありません。

MAI Code 2とMAI Code 2 Flashの仕様をモデルカードで確かめる

発表の一次情報は、Microsoft AIの発表記事「Introducing MAI Code 2 and MAI Code 2 Flash」と、同社が公開したモデルカード(PDF)です。数値はどちらも2026年11月19日時点の記載です。

2モデルの規模・入出力上限・学習データの時点を確認できる仕様比較表

モデルカードによると、2つのモデルは同じ設計(疎なMixture-of-Expertsを持つデコーダ型Transformerと、画像エンコーダの統合)で、違いは規模です。

項目 MAI Code 2 MAI Code 2 Flash
アクティブパラメータ 約770億 約120億
総パラメータ 約2.8兆 約3,980億
コンテキスト長 1,050,000トークン 1,050,000トークン
入力上限/出力上限 922,000/128,000トークン 922,000/128,000トークン
入力の種類 テキスト・画像 テキスト・画像
事前学習データの時点 2026年8月まで 2026年8月まで

重みは配布されず、Microsoft AzureのGPU基盤で動くホスト型の提供だけです。

コード生成モデルが得意な作業と、モデルカードが用途外とした3つの領域

MAI Code 2の得意分野として挙げられているのは、本番投入までのコード作成、深いデバッグ、複数ファイルの実装、リポジトリ全体の推論、UI開発です。スクリーンショットや画面案を入力にしたフロントエンドのコード生成も主な用途に含まれます。Flashはコードの説明、範囲を絞った編集、定型的な修正、短い反復向けとされています。

一方で、一般向けの雑談、医療・法律・金融の助言、人に関わる重大な判断は、設計と評価の対象外とされた領域です。生成したコードを人のレビューとテストなしに本番や規制対象のシステムへ出さないこと、という条件も付いています。発表記事は、基礎科学の研究や非常に長いエージェント作業向けにはまだ調整していないとも書いています。

MAI-Code-1.1-Flashから何が変わったか:規模・推論レベル・単価

前の世代は、2026年8月11日にCopilotへ入ったMAI-Code-1.1-Flashです。モデルカードは、1.1 Flashのアクティブパラメータを50億とし、MAI Code 2系は新しく大きな事前学習モデルを土台にしたと説明しています。

差は3つあります。100万トークン級のコンテキスト、low・medium・high・xhigh・maxの5段階で選べる推論レベル、そして上位モデル(MAI Code 2)の追加です。単価はFlash同士で比べると、1.1 Flashの入力0.20ドル・出力1.20ドルに対し、2 Flashは販促価格で0.05ドル・0.25ドル、通常価格でも0.10ドル・0.50ドルと下がっています。

ベンダー公表のベンチマーク値と、他社モデルとの比較条件から読み取れる限界

性能の数値はすべてMicrosoft AIの公表値で、第三者による再現は11月19日時点で確認できていません。数値をそのまま採用判断に使う前に、測り方を押さえておきます。

DeepSWE 1.1・Terminal-Bench 2.1・SWE Atlasの通過率

モデルカードには、最大の推論レベルで測った2モデルの通過率が載っています。

ベンチマーク MAI Code 2 MAI Code 2 Flash
DeepSWE 1.1 73.2% 59.9%
Terminal-Bench 2.1 84.6% 78.3%
SWE Atlas 43.1% 44.8%

長い作業を含むDeepSWEでは13ポイント以上の差がある一方、コードベースへの質問やテスト作成を含むSWE AtlasではFlashが上回っています。説明や小さな変更が中心ならFlashで足りる、と読める結果です。

他社モデル比「96%の性能・5%のコスト」を示したベンチマークの比較条件

発表記事は、4つのベンチマーク(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1)の平均で、MAI Code 2がGPT-6.1 Solの98%をコスト40%で、Claude Opus 5.5の96%をコスト5%で達成したとしています。Flashは3つのベンチマークでGPT-6 LunaやClaude Haiku 5.5と同等とされます。

読むときの注意は2点です。比較はすべて最大の推論レベル、かつサブエージェントを切ったGitHub Copilot CLI上での測定です。そして、MAI側のコストは50%引きの販促価格で計算されています。2027年5月17日以降の通常価格で比べ直すと、Opus 5.5比のコストはおよそ10%になります。

英語のコード生成だけに調整されている点と日本語チームへの影響

モデルカードの「Supported languages」には、リリース時点では英語のコード生成だけに調整していると書かれています。既知の制約の項でも、英語以外や利用者の少ないプログラミング言語・フレームワークでの性能は十分に評価していないとされています。

日本語の要件定義書を読ませて実装させる、日本語でコメントやコミットメッセージを書かせる、といった使い方は評価の外です。こうした作業が多いチームは、本番の作業に回す前に、自社のリポジトリから10件ほど過去のIssueを選び、他のモデルと同じ指示で結果を比べてから判断するのが確実です。

GitHub CopilotでのMAI Code 2選択手順とプラン・CLIの対応範囲

提供先の詳細は、GitHubの2026年11月17日付changelogと対応モデル一覧に載っています。Copilot全体の機能やプランはGitHub CopilotのAIエンジン・機能・料金をまとめた記事で整理しています。

使えるプランと対応クライアント:FreeプランはFlashのみ

どちらのモデルも対応モデル一覧では一般提供(GA)の扱いです。使えるプランは次のとおりです。

モデル 個人向けプラン 組織向けプラン
MAI Code 2 Pro、Pro+、Max Business、Enterprise
MAI Code 2 Flash Free、Student、Pro、Pro+、Max Business、Enterprise

選べるクライアントは、VS Code、Visual Studio、Copilot CLI、Copilot cloud agent、GitHub Copilot app、github.com、GitHub Mobile、JetBrains、Xcode、Eclipseです。100万トークンのコンテキストを選べるのはVS CodeとCopilot CLIに限られます。推論レベルを変えられるクライアントはVS Code、Copilot CLI、cloud agentです。

Copilot CLIでモデル・推論レベル・コンテキストを指定するコマンド

Copilot CLIでは、対話中に/modelコマンドでモデルを選びます。CLIコマンドリファレンスによると、--repoを付けるとそのリポジトリの既定モデルとして保存され、モデルIDは大文字・小文字を区別しません。11月19日時点で同リファレンスの対応モデル表にMAIのモデルIDは載っていないため、IDを手で打たずにピッカーから選ぶ手順にしています。

# 1) 対話モードで起動し、ピッカーから MAI Code 2 を選んでこのリポジトリの既定にする
copilot
/model --repo

# 2) 以降の非対話実行は保存した既定モデルで動く。推論レベルとコンテキストの段階を明示する
copilot -p "src/billing 配下の単体テストを追加し、npm test が通るまで修正して" \
  --effort=medium \
  --context default

# 3) 大きなリポジトリ全体を読ませる回だけ長いコンテキストに切り替える(単価の高い段階になる場合がある)
copilot -p "@docs/architecture.md を読み、モジュール間の依存を一覧にして" --context long_context

--effortはlow、medium、high、xhigh、maxから選べます。モデルカードは、推論レベルを上げると待ち時間とトークン消費が増え、結果が必ず良くなるわけではないと書いています。最初はmediumで始め、通らなかった作業だけhighに上げる運用が費用を抑えやすい形です。無人で長く走らせる設定はCopilot CLIのAutopilotの止まる条件と安全設定も合わせて確認してください。

Microsoft FoundryのAPIで使えるのはFlashの限定プレビューだけ

自社アプリやエージェントからAPIで呼びたい場合、11月19日時点の選択肢はMicrosoft FoundryのMAI Code 2 Flashだけです。発表記事では限定アクセスのプレビューとされ、モデルカードには、Foundryでデプロイを作り、OpenAI互換のResponses APIで呼び出す形だと書かれています。

上位のMAI Code 2をAPIで使う手段は公表されていません。OpenRouter、Vercel、OpenCode、Kiloなどへの提供予定は発表記事にありますが、時期は未定です。社内ツールへの組み込みを前提にするなら、MAI Code 2を待つより、Flashのプレビュー申請か他社モデルでの設計を先に進めるほうが計画を立てやすくなります。

AI creditsでの単価と、2027年5月17日の値上げを含めた費用の見積もり

Copilotの課金は、使ったトークン数にモデルごとの単価を掛け、1 AI credit=0.01ドルで換算する方式です。単価はGitHub Docsの「Models and pricing for GitHub Copilot」に載っています。

MAI Code 2・Flashと主要モデルの100万トークン単価の比較表

11月19日時点の単価(USD・100万トークンあたり)です。他社モデルは標準のコンテキスト段階の値です。

モデル 適用期間 入力 キャッシュ入力 出力
MAI Code 2 2027年5月17日まで 0.50 0.025 2.50
MAI Code 2 2027年5月17日以降 1.00 0.05 5.00
MAI Code 2 Flash 2027年5月17日まで 0.05 0.005 0.25
MAI Code 2 Flash 2027年5月17日以降 0.10 0.01 0.50
Claude Opus 5.5 — 4.00 0.20 20.00
GPT-6.1 Sol(272K以下) — 2.00 0.10 10.00
Claude Haiku 5.5(100K以下) — 0.10 0.01 0.50

GPT系の使い分けはGPT-6 Solと6.1 Sol・Luna・Astraの使い分けを解説した記事にまとめています。コード補完と次の編集候補はAI creditsの対象外なので、上の単価が効くのはチャットとエージェントの利用分です。

1回の依頼あたりのAI creditsを計算するPythonスクリプト

同じ依頼をモデルごとに何credits使うかは、トークン数が分かれば計算できます。次のスクリプトは上の単価表をそのまま使い、新規入力2万・キャッシュ入力6万・出力8千トークンの1往復を想定しています。実行環境はPython 3.8以降です。

# cost.py:1回の依頼あたりのAI credits概算(単価はGitHub Docs、2026-11-19時点)
PRICES = {  # (入力, キャッシュ入力, 出力) USD/100万トークン
    "MAI Code 2(〜2027-05-17)": (0.50, 0.025, 2.50),
    "MAI Code 2(2027-05-17〜)": (1.00, 0.05, 5.00),
    "MAI Code 2 Flash(〜2027-05-17)": (0.05, 0.005, 0.25),
    "Claude Opus 5.5": (4.00, 0.20, 20.00),
    "GPT-6.1 Sol(272K以下)": (2.00, 0.10, 10.00),
    "Claude Haiku 5.5(100K以下)": (0.10, 0.01, 0.50),
    "MAI-Code-1.1-Flash": (0.20, 0.02, 1.20),
}

def credits(new_in, cached_in, out, p):
    usd = (new_in * p[0] + cached_in * p[1] + out * p[2]) / 1_000_000
    return usd * 100  # 1 AI credit = 0.01 USD

for name, p in PRICES.items():
    print(f"{name:32s} {credits(20_000, 60_000, 8_000, p):6.2f} credits")

この条件では、MAI Code 2が販促価格で3.15 credits、通常価格で6.30 credits、Flashが0.33 credits、Claude Opus 5.5が25.20 credits、GPT-6.1 Solが12.60 creditsになります。Opus 5.5はキャッシュ書き込みの単価(5.00ドル)が別に掛かるため、実際の差はもう少し開きます。

月額の見積もりは通常価格で置き、販促価格は上振れの余地として扱う

開発者10人が1日40回ずつ上の規模の依頼を出し、月20日働くと、月8,000回です。MAI Code 2なら販促価格で約25,200 credits(約252ドル)、通常価格で約50,400 credits(約504ドル)になります。

予算は通常価格で組みます。2027年5月17日を境に同じ使い方で費用が2倍になるので、半年後の予算申請で慌てないためです。個人プランには含まれるAI creditsの枠があり、Business・Enterpriseでは利用者ごとの枠が請求単位でまとめて数えられます。超過分を止めたいときは、「Bundled AI credits budget」を0ドルにし、「Stop usage when budget limit is reached」を有効にする設定が料金ページに案内されています。

Business・Enterpriseの管理者がMAIモデルのポリシーで確かめる設定

組織でCopilotを契約している場合、利用者より先に管理者が確かめる項目があります。

管理ポリシーの既定で自動有効になる条件と、モデルを個別に無効にする手順

changelogによると、新しいモデルは、管理者がモデルの既定有効化を全体で切っていない限り、自動的に有効になります。前世代のMAI-Code-1.1-Flashは、Business・Enterprise向けポリシーが既定でオフでした。今回は扱いが違うので、気付かないうちに社内で使える状態になっている組織があるはずです。

  1. Copilotの設定画面でモデルポリシーの一覧を開き、MAI Code 2とMAI Code 2 Flashの状態を確かめる
  2. 社内のAI利用規程で、新モデルを使う前に評価を通す決まりがあるかを確認する
  3. 評価前なら個別に無効にし、試験導入するチームだけに許可する
  4. モデルの既定有効化を全体で切るかどうかを、今後の新モデル追加も含めて決める

対応モデル一覧には、MAIのモデルは継続的に改良され、新しいチェックポイントの公開で挙動が変わりうるとの注記もあります。評価結果を固定の前提にせず、四半期ごとに同じ課題で測り直す計画を入れておくと安全です。

コードとデータを扱う際のモデルカード上の利用条件と実行権限の設定

コードとデータを扱う際に適用される規約について、モデルカードは、利用条件としてMicrosoft Enterprise AI Services Code of Conductと、Foundryに適用される製品条項、Azureのプレビュー補足条項を挙げています。社内の開発支援ツールへ組み込む際にも、これらの条項に照らして予定している用途と利用条件を確認します。マルウェア開発や許可のない侵入・攻撃への利用は用途外です。

安全面では、モデルの調整度合いをGPT-5.6 Solと同程度、GPT-6より低いと自己評価しています。エージェントにシェルや本番の認証情報を渡す運用では、他社の最新モデルと同じ権限設定のままにせず、書き込み先と実行コマンドの範囲を絞ってから使うのが妥当です。Microsoft AIの別系統のモデルとしては、セキュリティ特化のMAI-Cyber-1-Flashや音声認識のMAI-Transcribe-2も出ています。

MAI Code 2を採用する条件と、他のモデルのままにする場面の判断基準

単価の安さだけで切り替えると、日本語の作業や長い自律作業で手戻りが増えます。条件を分けて判断します。

開発チームがMAI Code 2やFlashへ切り替えてよい3つの条件

  • 依頼の多くが英語のコード・コメントで完結し、作業単位が数ファイルの修正やテスト追加にとどまる
  • 月のAI credits消費が予算を圧迫しており、Opus級のモデルを全員の既定にしている
  • 人がプルリクエストを必ずレビューする運用があり、モデルの出力をそのままマージしない

この3つがそろうなら、既定をMAI Code 2、説明や小修正をFlashにし、難しい課題だけ上位モデルへ切り替える分け方で費用を大きく下げられます。

見送る場面:日本語の仕様が中心の開発と長時間の無人エージェント

見送るのは次の2つの場面です。1つ目は、日本語の要件定義書や業務ルールを読み込ませて実装させる案件です。英語以外は評価の外とモデルカード自身が書いている以上、自社で比較するまでは既存のモデルを使い続けます。

2つ目は、数時間単位で無人のまま走らせるエージェント作業です。モデルカードの既知の制約には、長いセッションでツール呼び出しを繰り返す、指示から外れる、検証を終える前に止まる、といった挙動が並んでいます。発表記事も長いエージェント作業向けの調整はまだと書いており、ここで単価の差を取りにいくのは割に合いません。

社内の開発支援ツールにモデルを組み込む場合の検証と導入の進め方

Copilotで個人が選ぶ段階を越えて、社内のレビューボットや仕様書からのコード生成ツールにモデルを組み込むなら、比較評価の設計が先です。過去のIssueとプルリクエストから評価用の課題を作り、合格基準を決め、MAI Code 2 Flashのプレビューと他社モデルを同じ条件で測ります。日本語の業務仕様を扱うツールでは、この評価の有無で手戻りの量が変わります。

評価環境づくりからエージェントの実装、運用の監視までを外部に任せたい場合は、生成AI開発・AI受託開発で、モデル選定と社内ツールへの組み込みをまとめて相談できます。

よくある質問

MAI Code 2について、発表直後に出てきやすい疑問に、11月19日時点の公式情報で答えます。

MAI Code 2は無料で使えますか?

MAI Code 2はCopilot Free・Studentでは選べず、Pro、Pro+、Max、Business、Enterpriseが対象です。軽量版のMAI Code 2 FlashはFreeとStudentでも選べます。どちらも従量課金の対象で、各プランに含まれるAI creditsの枠を使い、超えた分は単価に応じて課金されます。

MAI Code 2とMAI Code 2 Flashはどう使い分ければよいですか?

複数ファイルにまたがる実装、深いデバッグ、リポジトリ全体を見た変更はMAI Code 2、コードの説明や範囲を絞った修正、定型的な直しはFlashという分け方が公式の説明です。モデルカードのDeepSWE 1.1ではMAI Code 2が73.2%、Flashが59.9%と差が大きく、SWE AtlasではFlashが44.8%と上回っています。

MAI Code 2のコンテキスト長はどのくらいですか?

モデルカードではコンテキスト長が1,050,000トークン、入力上限が922,000トークン、出力上限が128,000トークンです。ただしCopilotで100万トークン級のコンテキストを選べるのはVS CodeとCopilot CLIに限られ、通常は既定の段階で動きます。モデルカードは、コンテキストが上限に近づくと品質が落ちうると書いているので、大きな段階は必要な回だけ使うのが無難です。

MAI Code 2はAPIやローカル環境で使えますか?

重みは配布されておらず、ローカル環境では動かせません。APIで使えるのはMicrosoft FoundryのMAI Code 2 Flashだけで、11月19日時点では限定アクセスのプレビューです。上位のMAI Code 2はGitHub Copilot経由でしか使えません。

日本語での指示やコメントの生成にも向いていますか?

モデルカードには、リリース時点では英語のコード生成だけに調整していると書かれており、英語以外での性能は十分に評価されていません。日本語で指示を出すこと自体はできますが、日本語の仕様書を読ませる作業や日本語のコメント生成の品質は公式の評価範囲外です。社内の実際の課題で他のモデルと比べてから既定にするかを決めてください。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

この記事は以下の記事からリンクされています

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.18 テックブログ Java脆弱性CVE-2026-114938(Java4Shell)とは?影響版・修正版と回避フラグの実装手順
  2. 2026.11.11 テックブログ Vite 脆弱性 GHSA-p4f5-76q4-ffq7:開発サーバーRCEの確認と修正版への更新
  3. 2026.11.18 テックブログ 楽天証券の不正アクセス:最大約447万口座の対象確認と、テスト環境に本番データを置かない実装
  4. 2026.11.17 テックブログ チャットプラスの不正アクセス:導入企業がチャット履歴の個人データと報告準備を確かめる手順
  5. 2026.11.19 テックブログ 大崎電気のランサムウェア被害|スマートメーター生産停止の経緯と工場の生産系を守る手順

RELATED POSTS 関連記事

目次