微软开放MAI-Code-1.1-Flash本地部署：保留256K上下文，推荐128GB内存才能流畅跑

微软正式开放编程模型MAI-Code-1.1-Flash，支持开发者本地离线部署，脱离云端服务器运行AI编程代理。模型采用3位量化技术压缩显存占用，同时完整保留256K上下文窗口，在SWE-Bench Verified、Terminal-Bench 2.1两项评测中，量化版本的编程能力和全精度模型基本持平。但该模型硬件门槛很高，微软建议设备内存大于120GB才能获得理想性能，普通PC很难流畅承载。

本次发布同步搭配全新Surface Laptop Ultra，顶配机型搭载128GB统一内存，刚好满足该模型本地运行需求。微软在发布会现场开启飞行模式演示，验证模型完全可以断网离线工作，开发者也可以按需切换云模型处理更复杂繁重的编程任务。

模型性能与优化

MAI-Code-1.1-Flash相比前代MAI-Code-1.0做了双向优化，Token流式输出速度提升25%，完成同等编程任务消耗的Token量减少25%，整体效率显著提升，现已在GitHub Copilot投入线上生产环境。3位量化方案是实现本地运行的关键，在大幅压低内存开销的前提下，没有牺牲核心代码编写、调试能力，长上下文窗口可以一次性读取大型代码库文件。

GitHub Copilot 接入计划

本月底，该模型将以实验性功能登陆GitHub Copilot应用、Copilot命令行工具以及VS Code编辑器。本地部署之后，GitHub Copilot可以在本机硬件上处理适配的编程任务；复杂任务依旧可调用云端模型，实现本地与云端编程能力搭配使用。

硬件门槛

想要流畅本地运行MAI-Code-1.1-Flash，推荐内存120GB以上，最佳体验需要128GB内存。微软新款顶配Surface Laptop Ultra刚好满足硬件条件，该设备售价5899美元。内存低于标准的消费级电脑，难以稳定运行这个模型。

要点小结

1. 模型特性：MAI-Code-1.1-Flash开放本地部署，3位量化，保留完整256K上下文，量化版编程性能接近全精度版本。
2. 性能提升：对比MAI-Code-1.0，Token流式传输提速25%，任务Token消耗减少25%，已上线Copilot生产环境。
3. 离线能力：支持断网本地运行，可赋能GitHub Copilot，复杂编程任务仍可切换云端模型。
4. 硬件门槛：推荐120GB以上内存，顶配Surface Laptop Ultra（128GB统一内存）适配，普通PC难以运行。
5. 上线时间：本月底实验版接入VS Code、Copilot CLI、GitHub Copilot客户端。