室谷代表取締役MAI-Code-1.1-Flash（エムエーアイ・コード・ワンポイントワン・フラッシュ）は、Microsoftが提供するコーディング特化の小型AIモデルで、GitHub CopilotやVS Codeに組み込まれ、エンジニアのコーディング作業を支援するものです。今回、このモデルが端末内で直接呼び出せるオンデバイス実行に対応した、というのがニュースの核心なんですよね。
テキトー教師DotAI 認定講師そうなんですよ。単に「新しいモデルが出ました」という話じゃなくて、モデルの置き場所がクラウドから手元のPCに広がった、という構造の変化なんです。
発表では、ローカル呼び出しには推論課金が発生しないと明言されています。ここが今回いちばん大きなポイントです。
発表では、ローカル呼び出しには推論課金が発生しないと明言されています。ここが今回いちばん大きなポイントです。
室谷代表取締役発表元はMicrosoftです。X上でもMicrosoft AIのアカウントから発信されていますが、主語はあくまでMicrosoftですね。
テキトー教師DotAI 認定講師ここで一度、時系列を整理しておきたいんですよ。実は「モデルが出た日」と「オンデバイス対応が出た日」が別なんです。
室谷代表取締役そこ、混ざりやすいですよね。
テキトー教師DotAI 認定講師整理するとこうです。
- 2026年6月2日：前バージョン「MAI-Code-1-Flash」がGitHub Copilotで提供開始（VS Codeから）
- 2026年8月11日：MAI-Code-1.1-FlashがGitHub Copilotでロールアウト開始
- 2026年10月7日：オンデバイス実行への対応が発表・更新
室谷代表取締役つまり、モデル自体の提供開始は8月11日で、今回のオンデバイス対応が10月7日ということですね。ここを一緒くたにすると記事がズレるので、うちでも気をつけているところです。
MAI-Code-1.1-Flashとは？何が発表されたのか
MAI-Code-1.1-Flash 発表のポイント
コーディング特化の小型AIモデル
Microsoftが開発。GitHub CopilotとVS Codeに組み込まれ、より速く良いコードを書くのを支援。前バージョンMAI-Code-1-Flashの後継。
オンデバイスで動作
自分のPC上で動くようになった。公式ブログでは「On-device coding, with zero inference charges for local model calls」とされ、ローカル呼び出しには推論課金がかからない。
Copilotルーターにオンデバイス選択肢を追加
タスクに応じてどのモデルに投げるかを振り分ける仕組みに、オンデバイスの選択肢が加わった。
クラウドとの役割分担（ハイブリッド）
適したコーディング作業は手元のハードウェアで実行し、より高い能力が必要なタスクはクラウドのモデルで補完。置き換えではなく使い分ける設計。
「全部ローカル完結」ではない
軽い作業はローカル、重い作業はクラウドというハイブリッド。Windows側の発表でも「hybrid intelligence」が前面に出ている。
テキトー教師DotAI 認定講師あらためて定義からいきましょう。MAI-Code-1.1-Flashは、Microsoftが開発したコーディング特化の小型AIモデルで、GitHub CopilotとVS Codeに組み込まれ、エンジニアがより速く良いコードを書くのを助けるものです。
前バージョンのMAI-Code-1-Flashの後継にあたります。
前バージョンのMAI-Code-1-Flashの後継にあたります。
室谷代表取締役で、今回の発表で何が変わったかというと、このモデルがオンデバイス、つまり自分のPC上で動くようになったことです。Microsoftの公式ブログでは「On-device coding, with zero inference charges for local model calls」、つまりローカル呼び出しには推論課金がかからないと書かれています。
テキトー教師DotAI 認定講師しかも、Copilotのルーターにオンデバイスの選択肢が追加される、という言い方をしているんですよ。
室谷代表取締役ルーターというのは、タスクに応じてどのモデルに投げるかを振り分ける仕組みですよね。
テキトー教師DotAI 認定講師そうです。公式の説明では、適したコーディング作業は手元のハードウェアで実行し、より高い能力が必要なタスクはクラウドのモデルで補完する、という役割分担になっています。
つまりクラウドを置き換えるというより、使い分ける設計なんです。
つまりクラウドを置き換えるというより、使い分ける設計なんです。
室谷代表取締役ここは誤解されやすいところですね。「全部ローカルで完結する」ではなくて、軽い作業はローカル、重い作業はクラウドというハイブリッドなんです。
テキトー教師DotAI 認定講師実際、Windows側の発表でも「hybrid intelligence」という言葉が前面に出ています。そのあたりは後のセクションで掘りましょう。
MAI-Code-1.1-Flashでできること――オンデバイス実行と推論課金ゼロの意味
MAI-Code-1.1-Flash オンデバイス実行の意味
推論課金ゼロ
ローカル呼び出しには推論課金がかからない。使うほど効いてくる
レイテンシー削減
手元で動くためネットワーク往復が挟まらない。トークンが25%高速にストリームされる改善も公式に示される
エージェント型コーディングとの相性
CLI操作や複数ステップのタスクを自律的にこなす働き方。ステップ数が増えるほどトークン消費と待ち時間が積み上がるため効く
コードが端末の外に出ない
セキュリティや社内ポリシーの観点で効く
対象は条件を満たす作業のみ
公式は「eligible coding work」がローカルで動くという書き方。何でもローカルではなくルーターが振り分ける
Copilot内に用意される選択肢
自分でローカルLLM環境を組む手間をCopilot側が引き受ける形。入口が異なる
3-bit量子化
メモリ要件を抑えつつ256Kのコンテキストウィンドウをフル保持。SWE-Bench VerifiedとTerminal-Bench 2.1でフル精度版に匹敵するコーディング性能を維持
室谷代表取締役オンデバイス実行の意味を、実務の目線で整理したいんですけど、まず一番わかりやすいのはコストです。ローカル呼び出しに推論課金がかからない。
これは使えば使うほど効いてくる性質のものです。
これは使えば使うほど効いてくる性質のものです。
テキトー教師DotAI 認定講師講座でも受講生さんから「Copilotは便利だけど、トークンを気にして遠慮してしまう」という声をよく聞くんですよ。ローカルで課金が発生しないなら、その遠慮がひとつ減るわけです。
室谷代表取締役もうひとつがレイテンシー、つまり待ち時間ですね。手元で動けばネットワーク往復が挟まらない。
公式ではトークンが25%高速にストリームされるという改善も示されています。
公式ではトークンが25%高速にストリームされるという改善も示されています。
テキトー教師DotAI 認定講師エージェント型コーディングとの相性も見逃せないです。エージェント型というのは、AIが単にコードを補完するだけでなく、CLI操作や複数ステップのタスクを自律的にこなす働き方です。
ステップ数が増えるほど、トークン消費と待ち時間が積み上がるので、ここに効くのは大きいです。
ステップ数が増えるほど、トークン消費と待ち時間が積み上がるので、ここに効くのは大きいです。
室谷代表取締役あと、コードが端末の外に出ないという性質もあります。これはセキュリティや社内ポリシーの観点で効いてくる部分ですね。
テキトー教師DotAI 認定講師ただし、公式が「eligible coding work」、つまり条件を満たすコーディング作業がローカルで動く、という書き方をしている点は正確に押さえておきたいです。何でもローカルで動くわけではなく、ルーターが振り分けるという建て付けです。
室谷代表取締役ローカルLLMを自分で組む動きもありますけど、今回のはCopilotの中にその選択肢が用意されるという話なので、入口がかなり違いますよね。自分で環境を作る場合はClaude Codeをローカルで動かす完全ガイドのような手順が必要ですが、今回はその手間をCopilot側が引き受ける形です。
テキトー教師DotAI 認定講師量子化の話も入れておきましょう。今回は3-bit量子化が使われていて、メモリ要件を抑えつつ、256Kのコンテキストウィンドウをフルで保持し、SWE-Bench VerifiedとTerminal-Bench 2.1でフル精度版に匹敵するコーディング性能を維持していると説明されています。
室谷代表取締役3-bitで精度を保つというのは、モデル側の作り込みと量子化の設計が効いているということですね。
MAI-Code-1.1-Flashの性能とコスト――前バージョンからの改善点
MAI-Code-1.1-Flash 前バージョンからの改善点
コスト削減
公式ブログ: 前バージョン比で4分の1のコスト。GitHubチェンジログ: MAI-Code-1-Flash比でリスト価格73%低い。年間購読者は0.25倍のプレミアムリクエスト倍率
トークン効率25%改善
同じタスクを25%少ないトークンで完了
トークン速度25%高速化
トークンのストリーム速度が25%高速化
CLIタスク22%改善
GitHub Copilot CLIのTerminal-Bench 2.1で22%改善
.NETタスク15%改善
開発者フィードバックで重要と判明した.NET性能に注力した結果
コード生存率4%上昇
生成されたコードがその後も残り続けているかを示すプロダクション指標
再訪問9%増加
プロダクション指標として再訪問が9%増加
ネイティブのビジョン対応
画像理解が追加され、テキストだけでなく画像も扱えるように
強化学習で最適化
GitHub Copilot内の数十万を超える強化学習環境で最適化。「ship, learn, improve, repeat」のループを回す
テキトー教師DotAI 認定講師数字を整理します。まずコスト。
公式ブログでは、6月のMicrosoft Buildで発表したモデルと比べて4分の1のコストだとされています。
公式ブログでは、6月のMicrosoft Buildで発表したモデルと比べて4分の1のコストだとされています。
室谷代表取締役GitHub側のチェンジログでは、MAI-Code-1-Flashと比べてリスト価格が73%低いと書かれています。年間のGitHub Copilot購読者には0.25倍のプレミアムリクエスト倍率が適用される、と。
テキトー教師DotAI 認定講師ここ、数字が2種類出てくるので整理が必要ですね。
室谷代表取締役整理するとこうです。
- 公式ブログ：前バージョン比で4分の1のコスト
- GitHubチェンジログ：MAI-Code-1-Flash比でリスト価格73%低い、年間購読者は0.25倍のプレミアムリクエスト倍率
テキトー教師DotAI 認定講師どちらも「大幅に安くなった」という同じ方向を指しています。
室谷代表取締役性能面の改善も具体的です。トークン効率が25%改善、つまり同じタスクを25%少ないトークンで完了する。
トークンのストリーム速度も25%高速化。
トークンのストリーム速度も25%高速化。
テキトー教師DotAI 認定講師タスク別の改善も出ています。開発者フィードバックでCLIタスクと.NET性能が重要だとわかったので、そこに注力した結果として、GitHub Copilot CLIのTerminal-Bench 2.1で22%改善、.NETタスクで15%改善です。
室谷代表取締役ベンチマークだけでなく、プロダクションの指標も出しているのが面白いですよね。コード生存率が4%上昇、再訪問が9%増加。
テキトー教師DotAI 認定講師コード生存率というのは、生成されたコードがその後も残り続けているかを見る指標です。書いてすぐ捨てられるコードが減った、という見方もできます。
室谷代表取締役あと、ネイティブのビジョン対応、つまり画像理解が追加されたこともGitHub側からは示されています。
テキトー教師DotAI 認定講師テキストだけでなく画像も扱えるようになった、ということですね。
室谷代表取締役学習の面では、GitHub Copilot内の数十万を超える強化学習環境で最適化したと説明されています。「ship, learn, improve, repeat」のループを回していると。
テキトー教師DotAI 認定講師実際の開発現場での使用感についてはどうでしょう。
室谷代表取締役公式が出しているのはコード生存率4%上昇と再訪問9%増加という指標までで、個別のレビュー記事のようなものは今回のソースには含まれていません。第三者の評価は現時点では明らかにされていません。
MAI-Code-1.1-Flashの使い方・始め方――対応環境と推奨スペック
テキトー教師DotAI 認定講師ここからは実務的な話です。まず、どこで使えるのか。
GitHubのチェンジログによると、モデルピッカーから選べる場所はかなり広いです。
GitHubのチェンジログによると、モデルピッカーから選べる場所はかなり広いです。
室谷代表取締役整理するとこうですね。
- Copilot CLI
- Copilot cloud agent
- GitHub Copilot app
- Copilot Chat on GitHub
- Visual Studio Code
- Visual Studio
- GitHub Mobile
- JetBrains IDEs
- Eclipse
- Xcode
テキトー教師DotAI 認定講師主要なIDEとモバイルまで含まれています。
室谷代表取締役プラン別の扱いも分かれています。Copilot FreeとStudentは自動モデル選択を通じて利用可能。
Copilot Pro、Pro+、Max、Business、Enterpriseは自動選択に加えて手動でこのモデルを選べる、という整理です。
Copilot Pro、Pro+、Max、Business、Enterpriseは自動選択に加えて手動でこのモデルを選べる、という整理です。
テキトー教師DotAI 認定講師管理者側の設定も必要です。Copilot EnterpriseとCopilot Businessのプラン管理者は、Copilot設定でMAI-Code-1.1-Flashのポリシーを有効化する必要があり、このポリシーはデフォルトでオフになっています。
室谷代表取締役ここは企業で導入するときに最初につまずくところですね。管理者がオンにしないと現場に出てこない。
テキトー教師DotAI 認定講師オンデバイス実行の推奨スペックも見ておきましょう。公式ブログでは、最高の性能を得るには120GB超のRAMを搭載したデバイスを推奨すると書かれています。
室谷代表取締役120GB超というのは、一般的なノートPCの感覚からするとかなり大きい数字です。
テキトー教師DotAI 認定講師ですので、まずはクラウド経由で1.1を使い、オンデバイスは対応ハードウェアが揃った環境から、という順番が現実的だと思います。
室谷代表取締役モデルはダウンロードしてローカルで実行可能とされています。実験的アクセスは今月末までにGitHub Copilotアプリ、GitHub Copilot CLI、Visual Studio Codeで提供される予定です。
テキトー教師DotAI 認定講師フィードバックの窓口も用意されています。公式ブログではGitHubでIssueを立てて改善点を伝えてほしいと呼びかけていますし、GitHubのチェンジログではGitHub Community Discussionでのフィードバックが案内されています。
室谷代表取締役こういうモデルは使ってみた声が次のバージョンに効くので、使ったら投げておくのが吉です。Copilot全体の位置づけを整理したい場合はCursor比較：GitHub Copilot, Windsurf, Claude Codeなど全7ツールと徹底比較も参考になると思います。
料金と提供範囲――日本でいつから使えるのか
テキトー教師DotAI 認定講師料金の話を整理します。GitHubのチェンジログによると、このモデルはusage-based billingのもとでプロバイダーのリスト価格で課金されるとされています。
室谷代表取締役年間のGitHub Copilot購読者には0.25倍のプレミアムリクエスト倍率が適用される、と。
テキトー教師DotAI 認定講師そして、ローカル呼び出しには推論課金がかからない。ここが今回の発表のいちばんおいしいところです。
室谷代表取締役日本での提供開始時期についてですが、公式の発表では特定の国・地域を限定する記述は見当たりません。GitHub Copilotの提供地域に準じる形と考えるのが自然ですが、日本向けの開始日が明示されているわけではないので、そこは現時点では明らかにされていません。
テキトー教師DotAI 認定講師ロールアウトの表現も正確に押さえたいです。GitHubのチェンジログでは「now rolling out」、つまり順次展開中という書き方です。
実験的アクセスは今月末までにCopilotアプリ、Copilot CLI、VS Codeで提供予定とされています。
実験的アクセスは今月末までにCopilotアプリ、Copilot CLI、VS Codeで提供予定とされています。
室谷代表取締役一斉に全員に降ってくるのではなく、段階的に広がるタイプですね。前バージョンのときも限定的なユーザーから始まって数週間かけて拡大する形でした。
テキトー教師DotAI 認定講師ですので「今日から誰でも使える」と断言するのは早いです。順次展開中、というのが正確な表現です。
室谷代表取締役企業で使う場合は、管理者がポリシーをオンにする手順を先に済ませておく。これで待ち時間が減ります。
Windowsの「ハイブリッドインテリジェンス」戦略と今回の発表の狙い
テキトー教師DotAI 認定講師ここからは戦略の話です。Windows側の発表では「Windows is becoming the home for hybrid intelligence」、つまりWindowsがハイブリッドインテリジェンスの拠点になるというメッセージが出されています。
室谷代表取締役同時に並んでいる項目も見ておきたいですね。
テキトー教師DotAI 認定講師整理するとこうです。
- MXC GA
- フロンティアのコーディングモデルがローカルで動作
- GitHub Copilot HydraFusion
- llama.cpp + Windows ML
- Surface Laptop Ultra + Dev Boxの予約
- 新しいRTX Spark PC
室谷代表取締役モデル単体の話ではなく、OS、開発ツール、ハードウェアがセットで出てきているのが特徴です。
テキトー教師DotAI 認定講師特にllama.cppとWindows MLの組み合わせは、ローカル推論の実行基盤をWindows側に用意するという話です。モデルを配るだけでなく、動かす土台も握る。
室谷代表取締役あともうひとつ、Microsoftは「トークン効率」を業界の次の焦点として位置づけています。トークンをたくさん使う方向ではなく、少ないトークンで良い結果を出す方向ですね。
テキトー教師DotAI 認定講師公式ブログの表現もそこに沿っています。「not simply a bigger model with a bigger bill」、つまり大きいモデルで高い請求書、ではないと。
小型特化モデルで大型モデルに匹敵する性能を低コストで、という方向性です。
小型特化モデルで大型モデルに匹敵する性能を低コストで、という方向性です。
室谷代表取締役MYUUUでも、モデル選びは「一番強いモデルを常に使う」から「タスクごとに振り分ける」に変わってきている実感があります。今回のルーターの話はまさにその延長線上ですね。
テキトー教師DotAI 認定講師講座でも、受講生さんには「どのタスクをどのモデルに投げるか」を設計する練習をしてもらっています。今回の発表はその設計対象が、クラウドとローカルの間にも広がったということです。
室谷代表取締役テキトー教師DotAI 認定講師全体として、今回の発表は「小型モデルを端末で動かし、クラウドと使い分ける」というMicrosoftの方向性を、コーディング領域で具体化したものだと整理できます。
よくある質問
室谷代表取締役ここからは、よく聞かれる点をまとめていきます。
テキトー教師DotAI 認定講師まず、性能や速度、コスト効率は具体的にどうなのか。
室谷代表取締役公式に示されているのは、前バージョン比で4分の1のコスト、トークン効率25%改善、トークンのストリーム速度25%高速化、GitHub Copilot CLIのTerminal-Bench 2.1で22%改善、.NETタスクで15%改善、コード生存率4%上昇、再訪問9%増加です。GitHub側ではMAI-Code-1-Flash比でリスト価格73%低い、年間購読者は0.25倍のプレミアムリクエスト倍率とされています。
テキトー教師DotAI 認定講師次に、GitHub Copilotで実際に使えるのか、利用方法とロールアウト状況はどうか。
室谷代表取締役順次展開中です。モデルピッカーはCopilot CLI、Copilot cloud agent、GitHub Copilot app、Copilot Chat on GitHub、VS Code、Visual Studio、GitHub Mobile、JetBrains IDEs、Eclipse、Xcodeで選べます。
Copilot FreeとStudentは自動モデル選択経由、Pro、Pro+、Max、Business、Enterpriseは手動選択も可能です。EnterpriseとBusinessは管理者がポリシーを有効化する必要があり、デフォルトはオフです。
Copilot FreeとStudentは自動モデル選択経由、Pro、Pro+、Max、Business、Enterpriseは手動選択も可能です。EnterpriseとBusinessは管理者がポリシーを有効化する必要があり、デフォルトはオフです。
テキトー教師DotAI 認定講師既存モデルと比べてどう進化したのか、という点も聞かれます。
室谷代表取締役ソースで比較対象として明示されているのは前バージョンのMAI-Code-1-Flashです。そこからの改善として、オンデバイス対応の追加、ネイティブのビジョン対応、コスト低減、トークン効率と速度の改善、CLIと.NETの性能向上が示されています。
他社モデルとの比較数値は今回のソースには含まれていないので、そこは現時点では明らかにされていません。
他社モデルとの比較数値は今回のソースには含まれていないので、そこは現時点では明らかにされていません。
テキトー教師DotAI 認定講師実際の開発現場での使用感やレビューはどうでしょう。
室谷代表取締役公式が示しているのはコード生存率と再訪問というプロダクション指標までです。第三者のレビューや評価は今回のソースには含まれていません。
テキトー教師DotAI 認定講師どのようなコーディングタスクに適しているのか。
室谷代表取締役公式の説明では、軽量なコーディングワークフロー、つまり能力とコスト効率のバランスが求められる作業に向くとされています。加えて、CLIタスクと.NETの性能が重点的に改善されています。
エージェント型コーディングのように複数ステップをこなす働き方とも相性が良いとされています。
エージェント型コーディングのように複数ステップをこなす働き方とも相性が良いとされています。
テキトー教師DotAI 認定講師テキストと画像の入力対応はどうなっているのか。
室谷代表取締役GitHubのチェンジログで、ネイティブのビジョン対応、つまり画像理解が追加されたと示されています。
テキトー教師DotAI 認定講師フィードバックの方法は。
室谷代表取締役公式ブログではGitHubでIssueを立てる形、GitHubのチェンジログではGitHub Community Discussionが案内されています。
テキトー教師DotAI 認定講師最後に、日本でいつから使えるのか。
室谷代表取締役公式には国・地域を限定する記述はなく、日本向けの開始日は明示されていません。順次展開中で、実験的アクセスは今月末までにCopilotアプリ、Copilot CLI、VS Codeで提供予定とされています。
テキトー教師DotAI 認定講師まとめると、今回の発表は「小型モデルを端末で動かし、クラウドと使い分ける」という流れを、コーディングの現場で具体化したものですね。
室谷代表取締役そうですね。ローカル呼び出しの推論課金ゼロは、使い方を変える力があります。
対応ハードルの120GB超のRAMという条件も含めて、まずはクラウド経由で触ってみて、環境が揃ったらローカルに広げる、という順番が現実的だと思います。
対応ハードルの120GB超のRAMという条件も含めて、まずはクラウド経由で触ってみて、環境が揃ったらローカルに広げる、という順番が現実的だと思います。
