Microsoft AISprachmodellAktiv

MAI-Code-1.1-Flash

Für MAI-Code-1.1-Flash gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.

BeliebtheitPlatz 648 von 875

1von 100wie im Vormonat

Zusammenfassung

Neu an MAI-Code-1.1-Flash ist der geringere Tokenverbrauch für Coding-Aufgaben. Microsoft berichtet von 25 % weniger Token pro Aufgabe und 25 % schnellerer Tokenausgabe in GitHub Copilot gegenüber Version 1.0. Das Nachtraining konzentriert sich unter anderem auf CLI-Aufgaben und .NET.

Microsoft setzte die Version am 11. August 2026 produktiv in GitHub Copilot ein. Die Veröffentlichung bietet weder offene Gewichte noch einen gesonderten öffentlichen API-Zugang an.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 12 veröffentlichten Benchmark-Werte anzeigen

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

SWE-bench Verified pass rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 72.6
Bewertung: 72.6
Messgröße: SWE-bench Verified pass rate
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Stichprobe: 500
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-04
Methodik: Vom Anbieter veröffentlichter Wert. Produktions-Harness von GitHub Copilot mit Repository-Kontext, Werkzeugaufrufen und Prüfung in VS Code; Modellkarte Seite 5.
Einordnung: Herstellerberichteter Wert für dieses Harness. Reasoning-Stufe, Stichprobengröße und Laufdatum fehlen; keine gemeinsame Vergleichsgruppe.

Quelle MAI-Code-1.1-Flash Model Card

Terminal-Bench 2.1 pass rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.9
Bewertung: 62.9
Messgröße: Terminal-Bench 2.1 pass rate
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Stichprobe: 89
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-04
Methodik: Vom Anbieter veröffentlichter Wert. Produktions-Harness von GitHub Copilot mit Repository-Kontext, Werkzeugaufrufen und Prüfung in VS Code; Modellkarte Seite 5.
Einordnung: Herstellerberichteter Wert für dieses Harness. Reasoning-Stufe, Stichprobengröße und Laufdatum fehlen; keine gemeinsame Vergleichsgruppe.

Quelle MAI-Code-1.1-Flash Model Card

Text2WebApp pass rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 74.1
Bewertung: 74.1
Messgröße: Text2WebApp pass rate
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-04
Methodik: Vom Anbieter veröffentlichter Wert. Interner Visual-Coding-Test im Produktions-Harness von GitHub Copilot; Webanwendung nach Textvorgabe; Modellkarte Seite 5.
Einordnung: Herstellerberichteter interner Benchmark. Aufgaben, Bewertungsprotokoll, Stichprobengröße, Reasoning-Stufe und Laufdatum sind nicht veröffentlicht.

Quelle MAI-Code-1.1-Flash Model Card

ScreenShot2WebApp pass rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 42.1
Bewertung: 42.1
Messgröße: ScreenShot2WebApp pass rate
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-04
Methodik: Vom Anbieter veröffentlichter Wert. Interner Visual-Coding-Test im Produktions-Harness von GitHub Copilot; Webanwendung nach Screenshot; Modellkarte Seite 5.
Einordnung: Herstellerberichteter interner Benchmark. Aufgaben, Bewertungsprotokoll, Stichprobengröße, Reasoning-Stufe und Laufdatum sind nicht veröffentlicht.

Quelle MAI-Code-1.1-Flash Model Card

Vision2Web Level 3 pass rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 11.5
Bewertung: 11.5
Messgröße: Vision2Web Level 3 pass rate
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-04
Methodik: Vom Anbieter veröffentlichter Wert. Quellenspezifischer Test Vision2Web Level 3 im Produktions-Harness von GitHub Copilot; Modellkarte Seite 5.
Einordnung: Herstellerberichteter Visual-Coding-Benchmark. Diese Karte enthält keine öffentlichen Aufgaben, kein Bewertungsprotokoll, keine Stichprobengröße, Reasoning-Stufe oder Laufdatum. Vision2Web wird nicht ausdrücklich als intern bezeichnet.

Quelle MAI-Code-1.1-Flash Model Card

Terminal-Bench 2.1 (GitHub Copilot CLI), reported improvement (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 22
Bewertung: 22
Messgröße: Source-stated improvement magnitude; relative percent versus percentage-point basis unspecified
Einheit: %
Benchmark-Version: Terminal-Bench 2.1; GitHub Copilot CLI; Microsoft AI article dated 2026-10-07
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash: Better, faster, at a quarter of the cost (Microsoft AI, 2026-10-07)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakt berichtetes Modell MAI-Code-1.1-Flash; laut Quelle wurde die Verbesserung um 22 % auf Terminal-Bench 2.1 in GitHub Copilot CLI gemessen. Der Artikel bezieht sie auf das im Juni 2026 gestartete Modell, nennt diesen Vergleich aber nicht mit exakter Modell-ID. Eine absolute Erfolgsrate, Zahl der Benchmarkdurchläufe, Aufgabennenner, API-Route, unveränderliche Serving-Revision oder Reasoning-Stufe werden nicht veröffentlicht.
Einordnung: Die Quelle spricht von einer „Verbesserung um 22 %“, definiert aber nicht, ob dies eine relative prozentuale Änderung oder eine Änderung in Prozentpunkten ist. Sie benennt weder das Juni-Vergleichsmodell noch die absoluten Ausgangs- und Endwerte, den Stichprobenumfang oder ein Konfidenzintervall. Der Wert bleibt eine berichtete Verbesserung und wird nicht in einen absoluten Benchmarkscore umgerechnet.

Quelle MAI-Code-1.1-Flash: Better, faster, at a quarter of the cost (Microsoft AI, 2026-10-07)

SWE-Bench Verified (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 70.8
Bewertung: 70.8
Messgröße: Pass rate
Einheit: %
Richtung: Mehr ist besser
Stichprobe: 500
Quellentyp: vendor-reported
Auswertung: Bringing local models and sandboxed tools to Windows and GitHub Copilot
Status: active
Abrufdatum: 2026-10-20
Methodik: Vom Anbieter veröffentlichter Wert. MAI Code 1.1 Flash Quantized on Device, wie in Microsofts Tabelle bezeichnet. Der Artikel nennt für die lokale Version 53 GB und eine Größenreduktion von 80 % gegenüber der BF16-Cloudvariante, aber die Tabelle nennt keine genaue Quantisierungspräzision. Ein unveränderlicher Checkpoint-Hash oder Dataset-Split-Revision fehlt.
Einordnung: Dies ist Microsofts Spalte für das quantisierte On-Device-Modell. Der Artikel nennt 53 GB und eine Größenreduktion von 80 % gegenüber der BF16-Cloudvariante, aber keine genaue Quantisierungspräzision, keinen unveränderlichen Checkpoint-Hash, keine Dataset-Split-Revision und kein Datum für diese Tabellenzeilen.

Quelle Bringing local models and sandboxed tools to Windows and GitHub Copilot

Terminal-Bench 2.1 (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 66.29
Bewertung: 66.29
Messgröße: Pass rate
Einheit: %
Richtung: Mehr ist besser
Stichprobe: 89
Quellentyp: vendor-reported
Auswertung: Bringing local models and sandboxed tools to Windows and GitHub Copilot
Status: active
Abrufdatum: 2026-10-20
Methodik: Vom Anbieter veröffentlichter Wert. MAI Code 1.1 Flash Quantized on Device, wie in Microsofts Tabelle bezeichnet. Der Artikel nennt für die lokale Version 53 GB und eine Größenreduktion von 80 % gegenüber der BF16-Cloudvariante, aber die Tabelle nennt keine genaue Quantisierungspräzision. Ein unveränderlicher Checkpoint-Hash oder Dataset-Split-Revision fehlt.
Einordnung: Dies ist Microsofts Spalte für das quantisierte On-Device-Modell. Der Artikel nennt 53 GB und eine Größenreduktion von 80 % gegenüber der BF16-Cloudvariante, aber keine genaue Quantisierungspräzision, keinen unveränderlichen Checkpoint-Hash, keine Dataset-Split-Revision und kein Datum für diese Tabellenzeilen.

Quelle Bringing local models and sandboxed tools to Windows and GitHub Copilot

Prompt-processing throughput (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 923.5
Bewertung: 923.5
Messgröße: Prompt-processing throughput at 64k context
Einheit: tokens/s
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Bringing local models and sandboxed tools to Windows and GitHub Copilot
Status: active
Abrufdatum: 2026-10-20
Methodik: Vom Anbieter veröffentlichter Wert. Microsofts erste lokal ausgelieferte Version von MAI Code 1.1 Flash auf Surface Laptop Ultra; Prompt-Verarbeitungstempo bei 64k Kontext. Der Satz in L44 nennt weder genaue Quantisierungspräzision, Runtime-Version, Batchgröße noch gemessene Eingabelänge. Für den separat beschrifteten Decode-Durchsatz-Chart nennt die Fußnote eine Messung am 5. Oktober 2026 mit gemischter Präzisionsquantisierung von etwa 3,3 Bit pro Gewicht, DFlash2-Sliding-Window-Speculative-Decoding und einer Windows-ARM64-llama.cpp-CUDA-Runtime; die Ergebnisse beziehen sich auf einen synthetischen Code-Generierungs-Workload. Die Quelle bindet dieses Decode-Setup nicht an diese Prompt-Verarbeitungswerte.
Einordnung: Gerätespezifischer Anbieterwert. Microsoft beschreibt den Decode-Durchsatz-Chart und dessen Setup separat. Die Fußnote bezeichnet diese als Decode-Ergebnisse und bindet das Setup nicht an den Prompt-Verarbeitungswert bei 64k. Ein Checkpoint-Hash fehlt, daher ist der Wert nicht mit dem Durchsatz eines Provider-Endpunkts vergleichbar.

Quelle Bringing local models and sandboxed tools to Windows and GitHub Copilot

Prompt-processing throughput (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 769.8
Bewertung: 769.8
Messgröße: Prompt-processing throughput at 128k context
Einheit: tokens/s
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Bringing local models and sandboxed tools to Windows and GitHub Copilot
Status: active
Abrufdatum: 2026-10-20
Methodik: Vom Anbieter veröffentlichter Wert. Microsofts erste lokal ausgelieferte Version von MAI Code 1.1 Flash auf Surface Laptop Ultra; Prompt-Verarbeitungstempo bei 128k Kontext. Der Satz in L44 nennt weder genaue Quantisierungspräzision, Runtime-Version, Batchgröße noch gemessene Eingabelänge. Für den separat beschrifteten Decode-Durchsatz-Chart nennt die Fußnote eine Messung am 5. Oktober 2026 mit gemischter Präzisionsquantisierung von etwa 3,3 Bit pro Gewicht, DFlash2-Sliding-Window-Speculative-Decoding und einer Windows-ARM64-llama.cpp-CUDA-Runtime; die Ergebnisse beziehen sich auf einen synthetischen Code-Generierungs-Workload. Die Quelle bindet dieses Decode-Setup nicht an diese Prompt-Verarbeitungswerte.
Einordnung: Gerätespezifischer Anbieterwert. Microsoft beschreibt den Decode-Durchsatz-Chart und dessen Setup separat. Die Fußnote bezeichnet diese als Decode-Ergebnisse und bindet das Setup nicht an den Prompt-Verarbeitungswert bei 128k. Ein Checkpoint-Hash fehlt, daher ist der Wert nicht mit dem Durchsatz eines Provider-Endpunkts vergleichbar.

Quelle Bringing local models and sandboxed tools to Windows and GitHub Copilot

SWE-Bench Verified, average tokens per completed task (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 8600
Bewertung: 8600
Messgröße: Average tokens used per completed task (solution length)
Einheit: mean-count
Richtung: Weniger ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-23
Methodik: Vom Anbieter veröffentlichter Wert. Microsoft führt MAI-Code-1.1-Flash in der Modellkartentabelle auf. SWE-Bench Verified wurde im selben VS-Code-basierten Harness wie Produktionsabläufe von GitHub Copilot geprüft, einschließlich Repository-Kontext, Tool-Aufrufen und Verifikation. Die Tabelle nennt den durchschnittlichen Tokenverbrauch pro abgeschlossener Aufgabe; für die verglichenen Modelle galten derselbe Harness und dieselben Einstellungen.
Einordnung: Die Modellkarte beschreibt den Wert als Lösungsumfang, also als durchschnittliche Tokenzahl pro abgeschlossener Aufgabe, und sagt, kürzere Antworten seien nur bei vergleichbarer Erfolgsquote vorzuziehen. Sie erläutert nicht, welche Tokenkategorien die Zählung umfasst. Der Wert ist daher keine ausgewiesene Zahl reiner Modell-Ausgabetokens. Die gerundete K-Notation wird hier als 8.600 normalisiert, nicht als ungerundete Zählung. Aufgabennenner, Konfidenzintervall und Datum der konkreten Tabellenzeile werden nicht genannt.

Quelle MAI-Code-1.1-Flash Model Card

Terminal Bench 2.1, average tokens per completed task (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 17000
Bewertung: 17000
Messgröße: Average tokens used per completed task (solution length)
Einheit: mean-count
Richtung: Weniger ist besser
Quellentyp: vendor-reported
Auswertung: MAI-Code-1.1-Flash Model Card
Status: active
Abrufdatum: 2026-10-23
Methodik: Vom Anbieter veröffentlichter Wert. Microsoft führt MAI-Code-1.1-Flash in der Modellkartentabelle auf. Terminal Bench 2.1 wurde im selben VS-Code-basierten Harness wie Produktionsabläufe von GitHub Copilot geprüft, einschließlich Repository-Kontext, Tool-Aufrufen und Verifikation. Die Tabelle nennt den durchschnittlichen Tokenverbrauch pro abgeschlossener Aufgabe; für die verglichenen Modelle galten derselbe Harness und dieselben Einstellungen.
Einordnung: Die Modellkarte beschreibt den Wert als Lösungsumfang, also als durchschnittliche Tokenzahl pro abgeschlossener Aufgabe, und sagt, kürzere Antworten seien nur bei vergleichbarer Erfolgsquote vorzuziehen. Sie erläutert nicht, welche Tokenkategorien die Zählung umfasst. Der Wert ist daher keine ausgewiesene Zahl reiner Modell-Ausgabetokens. Die gerundete K-Notation wird hier als 17.000 normalisiert, nicht als ungerundete Zählung. Aufgabennenner, Konfidenzintervall und Datum der konkreten Tabellenzeile werden nicht genannt.

Quelle MAI-Code-1.1-Flash Model Card

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter

20 von 101 Modellen

GPT-573

DeepSeek V4.1 Flash 101768

Kimi K368

DiffusionGemma 26B A4B IT63

MAI-Code-1.1-Flash1

DeepSeek V4.1 Flash 1017

DiffusionGemma 26B A4B IT

Claude Opus 5

Qwen 3.8 Flash

MAI-Code-1.1-Flash

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 5. November 2026

MAI-Code-1.1-FlashQwen3.8-Omni-FlashSWE-2Step 5 PreviewMAI-Thinking-1

Alle technischen Daten

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen: Unbekannt; ohne Quelle
Watermarking-Technik: Nicht bekannt; ohne Quelle

Lizenz und Zugang

Veröffentlichung: 11. August 2026; Quelle: Veröffentlichung
Verfügbarkeit: Produktion in GitHub Copilot und VS Code; Quelle: Verfügbarkeit

Weitere Angaben

Effizienz: 25 % höhere Token-Effizienz als das Vorgängermodell; Quelle: Effizienz

Preise

Kein Abo von Microsoft AI mit diesem Modell. Über andere Anbieter ab ≈ 10,60 € im Monat (GitHub Copilot Pro, mit begrenztem Guthaben). 5 Tarife in Deutschland.

AlleEinzelpersonen3Teams1Unternehmen1

Tarif	Preis im Monat	Hinweis
GitHub Copilot Pro	≈ 10,60 €	mit begrenztem Guthaben
GitHub Copilot Business	≈ 20,14 €	mit begrenztem Guthaben, für Teams, je Nutzer
GitHub Copilot Enterprise	≈ 41,35 €	mit begrenztem Guthaben, für Unternehmen, je Nutzer
GitHub Copilot Pro+	≈ 41,35 €	mit begrenztem Guthaben
GitHub Copilot Max	≈ 106,02 €	mit begrenztem Guthaben

Alle Tarife im KI-Abo-Vergleich

Häufige Fragen zu MAI-Code-1.1-Flash

Kann ich MAI-Code-1.1-Flash lokal nutzen?

Nein. Microsoft AI veröffentlicht die Gewichte nicht.

Angaben von Microsoft AI

Offene Gewichte: nein
Lizenz: k. A.
Parameter: k. A.
davon aktiv je Token: k. A.

Wo kann ich MAI-Code-1.1-Flash nutzen?

Nicht im Abo von Microsoft AI. Zusammen mit anderen Anbietern sind es 5 Tarife in Deutschland.

Abo-Vergleich, Preise in Deutschland inkl. USt

Bei Microsoft AI

Kein Abo von Microsoft AI mit diesem Modell.

Über andere Anbieter

5 Tarife bei 1 Anbieter, ab ≈ 10,60 € im Monat (GitHub Copilot Pro), mit begrenztem Guthaben.

Quellen und Datenstand

Alle 9 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

Art	Nachweis und Datenstand
Recherchestand	Recherchestand 4. Oktober 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht	vision-benchmark-protocol Hinweis Für die drei Visual-Coding-Tests nennt die Modellkarte genaue Erfolgsquoten, aber keine öffentlichen Aufgaben, kein Bewertungsprotokoll und keine Stichprobengröße. Nur Text2WebApp und ScreenShot2WebApp sind ausdrücklich als intern bezeichnet. Für Vision2Web wird das nicht abgeleitet.
Nicht veröffentlicht	improvement-basis-and-comparator Originalwortlaut The article does not define whether 22% denotes relative change or percentage points and does not identify the June comparator by exact model ID.
Nicht veröffentlicht	absolute-score-sample-count-and-reasoning-setup Originalwortlaut No absolute Terminal-Bench 2.1 pass rate, task denominator, run count, serving revision, API route, or reasoning effort is reported.
Nicht veröffentlicht	confidence-intervals Originalwortlaut The article reports no confidence interval for the improvement.
Weitere Quelle	Microsoft AI MAI-Code-1.1-Flash announcement (abgerufen 3. Oktober 2026; 4. Oktober 2026; 17. Oktober 2026) · Microsoft AI MAI-Code-1.1-Flash announcement · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere Quelle	MAI-Code-1.1-Flash Model Card (abgerufen 4. Oktober 2026; 23. Oktober 2026)
Weitere Quelle	Bringing local models and sandboxed tools to Windows and GitHub Copilot (abgerufen 20. Oktober 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Ollama: kumulierte Downloads für den Beliebtheitsindex
Weitere Quelle	Replicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere Quelle	Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere Quelle	Creative Commons Attribution 4.0