GitHub CopilotにMicrosoft自社製MAI-Code-1-Flash追加 - 無料枠・性能・料金の見落とし¶

対象 / ポイント

対象: GitHub Copilotのモデル選択、AI Credits課金、Microsoft自社モデルの動きを追う開発者。

ポイント:

MAI-Code-1-FlashはCopilot Free / Pro / Pro+ / Max向けだが、まずVS Codeの一部ユーザーから段階展開される².
総パラメータは137B、アクティブパラメータは5Bであり、「137Bか5Bか」は表記対象の違いだ³.
Copilot上のAI Credits単価は軽量モデル帯で、フロンティアモデルの代替というより低コストな日常タスク用と見るべきだ⁵.

2026年6月2日、MicrosoftはGitHub Copilot向けにMAI-Code-1-Flashを発表した¹。 SNSでは「Copilotに無料の自社AIモデルが来た」と広がりやすいが、実務上の読み方は少し違う。

この記事の問いはシンプルだ。 MAI-Code-1-Flashは、どの範囲で使えて、どの程度の性能とコストとして扱うべきなのか。

何が追加されたのか¶

MAI-Code-1-Flashは、MicrosoftがGitHub Copilot向けに投入した軽量カテゴリのコーディングモデルだ。 Microsoftは、同モデルを自社のデータパイプラインとインフラでエンドツーエンドに訓練したと説明している³。

仕様で重要なのは、137B total / 5B activeという表記だ。 MoE（Mixture of Experts）型モデルでは、全パラメータと推論時に使われるアクティブパラメータが一致しない。したがって「137Bと5Bのどちらが正しいか」ではなく、公式モデルカード上は両方が正しい。

項目	内容
開発元	Microsoft
モデル種別	text-to-text coding model
アーキテクチャ	sparse Mixture-of-Experts
パラメータ	137B total / 5B active
コンテキスト長	256K tokens
対応言語	English
学習期間	2026年3月-5月
公開日	2026年6月2日

この時点で、MAI-Code-1-Flashは「OpenAIやAnthropicの既存モデルをCopilotに並べたもの」ではない。 Copilotの中に、Microsoftが自社で制御するモデル層を直接置き始めたことが今回の変化だ。

誰がいつ使えるのか¶

利用対象は広いが、展開は限定的に始まる。 GitHubのChangelogでは、Copilot Free / Pro / Pro+ / Maxで段階的にロールアウトし、最初は限定されたユーザーから数週間かけて広げると説明されている²。

項目	状況
対象プラン	Free / Pro / Pro+ / Max
初期対応環境	Visual Studio Code
選択方法	モデルピッカー、またはAuto picker
Copilot CLI	後続フェーズで対応予定
API提供	公式ドキュメント更新待ち

「対象プランに含まれる」と「今日から自分の環境に表示される」は別の話だ。 VS Codeのモデルピッカーに表示されない場合、設定ミスではなくロールアウト待ちの可能性が高い。

料金面でも「無料」は少し雑な表現になる。 Copilot Freeでも対象になる一方、Copilotは2026年6月1日からAI Creditsベースの使用量課金へ移行しており、各プランの含み枠と追加予算の中で消費が管理される⁴。無制限に無料で使えるモデルではなく、既存のCopilot利用枠内で使える低単価モデルと見るのが正確だ。

性能はどの程度か¶

Microsoftが同一の本番ハーネスで比較している相手はClaude Haiku 4.5だ。この比較では、MAI-Code-1-Flashは主要なコーディング評価でHaiku 4.5を上回る³。

ベンチマーク	MAI-Code-1-Flash	Claude Haiku 4.5
SWE-Bench Verified	71.6%	66.6%
SWE-Bench Pro	51.2%	35.2%
SWE-Bench Multilingual	65.5%	62.7%
Terminal Bench 2	54.8%	41.6%

特にSWE-Bench Verifiedでは、MAI-Code-1-Flashの平均トークン使用量が10.8K、Haiku 4.5が27.3Kとされる³。 Microsoftが「最大60%少ないトークン」と説明する根拠はここにある¹。

ただし、この結果をそのまま「フロンティア級」と読むのは危ない。 Google DeepMindのGemini 3.1 Proモデルカードでは、別ハーネスのSWE-Bench Verifiedで複数モデルの値を掲載している⁶。 Gemini 3.1 Proは80.6%、Claude Opus 4.6は80.8%、Claude Sonnet 4.6は79.6%である。 MAI-Code-1-Flashの71.6%とは評価環境が違うため厳密比較はできないが、少なくともフロンティア帯と同列に置く根拠にはならない。

実務での位置づけは明快だ。補完、軽いリファクタリング、リポジトリQA、短い修正のような日常タスクでは有力な候補になる。一方で、広範な設計変更や長時間の自律実装では、Opus / Sonnet / GPT-5系 / Gemini Pro系と役割を分ける前提で使うべきだ。

料金はどう見るべきか¶

GitHub DocsのCopilot料金表では、MAI-Code-1-FlashはMicrosoftカテゴリのGA軽量モデルとして掲載されている⁵。単価は100万トークンあたり、入力0.75 USD、キャッシュ入力0.075 USD、出力4.50 USDである。

モデル	カテゴリ	入力	キャッシュ入力	出力
MAI-Code-1-Flash	Lightweight	$0.75	$0.075	$4.50
Claude Haiku 4.5	Versatile	$1.00	$0.10	$5.00
GPT-5 mini	Lightweight	$0.25	$0.025	$2.00
Gemini 3 Flash	Lightweight	$0.50	$0.05	$3.00

ここから見えるのは、Microsoftがベンチマーク首位ではなくCopilotの日常利用に耐える単価と速度を狙っていることだ。 AI Credits課金では、モデル単価と消費トークン数がそのまま利用枠の減り方を決める⁵。同じ修正を少ない出力で完了できるなら、体感速度だけでなくコストにも効く。

年額Pro / Pro+のレガシーrequest課金に残るユーザー向けには、MAI-Code-1-Flashのmodel multiplierが0.33と掲載されている⁷。ただしGitHub Docsはこの乗数をプロモーション料金と注記している。長期の費用判断では、AI Credits単価とレガシー乗数を分けて読む必要がある。

なぜMicrosoftは自社モデルをCopilotに入れるのか¶

これは単なる新モデル追加ではない。 2026年6月1日にCopilotの使用量課金が有効化され、GitHub AI Creditsでモデル別・トークン別に消費を測る設計へ移った直後の発表だからだ⁴。

外部モデルを選べることはCopilotの強みだが、提供側から見ると原価と遅延を外部に左右されやすい。 Microsoft自社モデルを持てば、品質、推論コスト、レイテンシ、Auto pickerでの振り分けをより細かく制御できる。

Microsoftは同じ日に複数のMAIモデル群も発表している⁸。 MAI-Code-1-Flashはその中のコーディング用途の一部だ。ここから読み取れるのは、Copilotのモデル戦略が「外部の高性能モデルを並べる」段階から、「自社モデルを低コストな標準レーンとして組み込む」段階に入ったということだ。

まとめ¶

今は様子見ではなく、軽量タスクで実測する段階だ。 VS Codeのモデルピッカーに表示されたら、まず既存の軽量モデルと同じタスクで比較する。

見るべき指標は3つに絞れる。

同じ修正に必要な往復回数が減るか
出力が短くてもテストやレビューに耐えるか
AI Credits消費が既存モデルより下がるか

逆に、設計判断の難しい大規模変更でいきなり主力にする必要はない。 MAI-Code-1-Flashの価値は、フロンティアモデルを置き換えることではなく、日常の小さな開発作業を安く速く処理する選択肢を増やすことにある。

Copilotの競争軸は、モデル性能だけではなくなった。次に効いてくるのは、Auto pickerがどのタスクをどの価格帯のモデルへ流すかだ。 MAI-Code-1-Flashは、その制御をMicrosoft自身が握るための最初の目に見える実装である。