10 月 7 日 Windows 发布会上，微软把 MAI-Code-1.1-Flash（137B 总参数 / 6.8B 激活 MoE、256K 上下文）以约 3.3 bit 量化跑在 RTX Spark PC 上，端侧 SWE-Bench Verified 70.80%、Terminal-Bench 2.1 66.29%；GitHub HydraFusion 将在 10 月下旬以实验预览让 Copilot 自动把任务分给本地或云端模型，本地调用不收推理费。MXC 智能体沙箱同日 GA。
核心要点速览
- ✓端侧跑分：SWE-Bench Verified 70.80%（云端原版 72.6%），Terminal-Bench 2.1 66.29%（云端 62.9%）；同测 GPT-OSS-120B 仅 32.0% / 23.6%（Microsoft Command Line）
- ✓资源：约 3.3 bit 混合精度量化 + DFlash2 投机解码，256K 上下文峰值内存 75.5GB；64K / 128K 上下文预填充 923.5 / 769.8 tok/s
- ✓路由：HydraFusion 本地+云端混合路由 10 月下旬以实验预览进入 Copilot app、Copilot CLI 与 VS Code，本地调用不收推理费（Windows Blog）
- ✓现在就能用：Copilot CLI 1.0.94-0 起
/model可发现本机 Ollama 模型（需支持工具调用与流式）（GitHub Changelog） - ✓安全：MXC 智能体容器在 Windows 11 GA，Codex、Copilot、OpenClaw、LM Studio 等已支持，Claude Code、Hermes Agent 等将跟进
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
编程 Agent 的 Token 账单越跑越高，而大量补全、重构类子任务并不需要最贵的云端模型。10 月 7 日微软在 Windows 发布会 提出“混合智能”：能在本地跑的任务就放本地，需要前沿能力再上云，本地调用不计推理费。
架构亮点与底层机制
MAI-Code-1.1-Flash 是 137B 总参数、6.8B 激活的 MoE 编程模型。端侧版采用约 3.3 bit 混合精度量化（体积缩小近 80%）+ DFlash2 滑窗投机解码，运行在 Windows ARM64 的 llama.cpp CUDA 运行时上，保留 256K 上下文。GitHub HydraFusion 编排器会按性能、成本、延迟自动决定任务走本地还是云端；工具执行则由 MXC 容器按策略隔离文件、网络与凭据。
权威 Benchmark 与实测跑分对比
微软 10 月 5 日在 Surface Laptop Ultra 上实测：SWE-Bench Verified 端侧 70.80%（云端 72.6%），Terminal-Bench 2.1 端侧 66.29%（云端 62.9%），同环境 GPT-OSS-120B 为 32.0% / 23.6%。256K 上下文峰值内存 75.5GB，64K / 128K 预填充 923.5 / 769.8 tok/s。以上为厂商自测，尚无第三方复现。
开发者实战落地与开箱指南
现在即可：升级 Copilot CLI 到 1.0.94-0，用 /model 发现本机 Ollama 模型（需支持工具调用与流式），离线需显式设 COPILOT_OFFLINE=true，详见 GitHub Changelog。自动路由 10 月下旬以实验预览进入 Copilot app、CLI 与 VS Code；端侧 MAI 模型面向 RTX Spark 等大内存 PC，内存不足 128GB 的机器先用 Ollama 路线。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察