بطاقة عنوان لـ MAI Code 2 مقابل SWE-2. يظهر MAI Code 2 بوصفه نموذج Microsoft داخل GitHub Copilot دون API، بسعر 0.50 دولار للإدخال و2.50 دولار للإخراج لكل مليون رمز، دون معدل نجاح منشور ودون أوزان. يظهر SWE-2 بوصفه نموذج Cognition داخل Devin دون سعر لكل رمز، محققًا 73.0 بالمئة على DeepSWE 1.1 و92.8 بالمئة على Terminal-Bench 2.1 و27.3 بالمئة على Terminal-Bench 4.0.
Guides & Insights

MAI Code 2 مقابل SWE-2: نفس المعيارين، لكن واحدًا منهما فقط هو من نشرهما

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

MAI Code 2 وSWE-2 يذكران في مواد الإطلاق الخاصة بهما المعايير نفسها تقريبًا، وواحد منهما فقط يخبرك بالنتيجة التي سجّلها. تسرد منشورات مايكروسوفت بتاريخ 17 نوفمبر 2026 كلاً من DeepSWE 1.1 وTerminal Bench 2.1 وSWE-Atlas وFrontierCode v1.1 ثم تقدم نسبًا: 96% من أداء Claude Opus 5.5 بتكلفة 5%. أما منشور Cognition عن SWE-2، المنشور في 10 سبتمبر 2026، فيسرد المعيارين الأولين نفسيهما ويطبع رقمًا لكل منهما: 73.0% على DeepSWE 1.1، و92.8% على Terminal-Bench 2.1، و27.3% على Terminal-Bench 4.0. هذا الرقم الثالث هو الذي يجب الاحتفاظ به، لأنه الإصدار الذي لم تبلغ عنه مايكروسوفت — وهو يُظهر ما يحدث لنموذج برمجي عندما يصبح معيار الطرفية أصعب.

كلا النموذجين يشتركان أيضًا في قيد توزيعي يجعلهما غير مألوفين في هذه الفئة: لا يمتلك أيٌّ منهما واجهة API عامة لكل رمز (per-token). يمكن الوصول إلى MAI Code 2 باختياره في أحد عملاء GitHub Copilot. أما SWE-2 فيعمل داخل Devin. نموذجان لا يمكنك استدعاؤهما من شفرتك الخاصة، وأحدهما ينشر أرقامه.

النسخة المرجعية التي لا يبدأ بها أحد

جدول Cognition هو أنفع مُخرَج نشرته أيٌّ من الشركتين، وليس لأن SWE-2 يحقّق أي انتصار فيه. بل هو مفيد لأنه يعرض النموذج نفسه مقيسًا على إصدارين من الاختبار المعياري نفسه.

• Terminal-Bench 2.1 — SWE-2 بنسبة 92.8%، مقابل 91.4% لـ Claude Fable 5.1، و89.9% لـ GPT-6 Astra و88.3% لـ Kimi K3

• Terminal-Bench 4.0 — SWE-2 بنسبة 27.3%، مقابل 55.8% لـ Claude Fable 5.1، و57.9% لـ GPT-6 Astra، و21.5% لـ Kimi K3

• DeepSWE 1.1 — SWE-2 بنسبة 73.0%، مقابل 74.1% لـ GPT-6 Astra، و72.7% لـ GPT-5.6 Sol و67.4% لـ Claude Fable 5.1

• FrontierCode 1.1 Main — SWE-2 بنسبة 50.0%، مقابل 53.3% لـ GPT-6 Astra و50.9% لـ Claude Fable 5.1

اقرأ أول سطرين معًا. يحتل SWE-2 المركز الثاني في 2.1 والمركز قبل الأخير في 4.0، بتراجع يبلغ نحو 65 نقطة، وهو ليس وحده: إذ تخسر Kimi K3 67 نقطة بين الإصدارين نفسيهما. النماذج التي تصمد هي تلك المضبوطة للعمل الطويل الأمد. ليست هذه خصوصية غريبة في أداة تقييم مختبر واحد — بل إن إصدار المعيار نفسه يزداد صعوبة، ولهذا تحديدًا فإن عبارة «شغّلنا Terminal Bench 2.1» ادعاء أضعف في نوفمبر 2026 مما كان عليه في سبتمبر.

شغّلت Microsoft اختبار Terminal Bench 2.1. ولم تنشر Microsoft أي نتيجة له. ولم تنشر Microsoft شيئًا عن 4.0. هذه الحقائق الثلاث مجتمعة تعني أن المشتري لا يستطيع أن يعرف أي نوع من نماذج البرمجة هو MAI Code 2: النوع الذي يصمد عندما تصبح مهام الطرفية أطول، أم النوع الذي لا يصمد.

ما أفصح عنه كل مورّد فعليًا

فجوة الإفصاح أوسع من أسعار النماذج، لذا يجدر قول ذلك بوضوح.

نشرت Cognition جدولًا يضم سبعة نماذج وأربعة اختبارات مرجعية، ومجموعة مقارنة معلنة، وملاحظة بأن النماذج المنافسة شُغِّلت داخل أداة CLI الخاصة بـCognition عند أعلى جهد استدلالي لها، وإفصاحًا صريحًا عن أمر استبعدته: فقد سجّل Claude Fable 5.1 عند أقصى جهد له نسبة 50.3% على FrontierCode بتكلفة 12.83 دولارًا للمهمة الواحدة، وهي نتيجة أدنى من نتيجته عند الجهد المتوسط، لذا أُسقط من المخطط. إنّ مورّدًا يخبرك بأي نقطة بيانات حذفها هو مورّد يمنحك الأدوات اللازمة لتأخذ جدوله بحذر.

نشرت Microsoft أسماء الاختبارات المعيارية، وأداة الاختبار — MSBench، منصتها الداخلية للتقييم — عبر GitHub Copilot CLI مع تعطيل الوكلاء الفرعيين وكل نموذج بأقصى جهد استدلالي، والنسب التي تصل إليها تلك الاختبارات في المتوسط. ولم تنشر أي معدل نجاح لـ MAI Code 2 في أي من الاختبارات الأربعة، ولا عدد المعلمات، ولا حدًا أقصى للمخرجات، ولا جدول مقارنة مع منافسين مسمّين يتجاوز النسبتين. ولا يضم Artificial Analysis صفًا لهذا النموذج حتى 18 نوفمبر 2026، لذا لا توجد قراءة من طرف ثالث يمكن الاستعانة بها بديلًا.

أحد هذين الإفصاحين يتيح لك إعادة إنتاج الاستدلال. أما الآخر فيطلب منك قبول استنتاج.

لا يُعد أيّ من الطرازين نقطة نهاية، وهذا ما يغيّر قرار الشراء.

لا يتوفر لـ SWE-2 سعر منشور لكل رمز، ولا واجهة برمجة تطبيقات عامة. ويقول منشور Cognition إنه متاح في Devin Desktop وCLI، مع طرحه تدريجيًا في Devin Web وFusion، وأرقام التكلفة الوحيدة الواردة فيه هي تكاليف الاختبارات المعيارية لكل مهمة — وهو نوع الرقم الذي تستشهد به لإظهار أن منافسًا مكلف، لا النوع الذي تُصدر به الفواتير.

تمتلك MAI Code 2 بطاقة أسعار بالفعل، نشرتها GitHub: 0.50 دولار لكل مليون رمز إدخال، و0.025 دولار للمخزّن مؤقتًا، و2.50 دولار للإخراج، ضمن عرض ترويجي حتى 17 مايو 2027، ثم 1.00 / 0.05 / 5.00 دولار. ولا يملك واجهة API خاصة به. أما MAI Code 2 Flash، الشقيق الأصغر، فهو النموذج الوحيد في العائلة الذي يملك واحدة — معاينة محدودة الوصول في Microsoft Foundry عبر Responses API متوافق مع OpenAI.

• السعر — MAI Code 2 بسعر 0.50 دولار / 0.025 دولار / 2.50 دولار لكل مليون توكن، عرض ترويجي حتى 17 مايو 2027، مقابل عدم وجود سعر منشور لكل توكن لـ SWE-2

• الوصول — مقعد GitHub Copilot عبر Pro وPro+ وMax وBusiness وEnterprise، مقابل اشتراك Devin في Desktop وCLI

• الأوزان — غير موزعة على أيٍّ من الجانبين

• السياق — لا يوجد رقم منشور لحجم السياق الخاص بـ SWE-2، مقابل مليون رمز في MAI Code 2 المتاح فقط في Visual Studio Code وCopilot CLI

• نتائج المعايير المنشورة — لا توجد أيٌّ منها لـ MAI Code 2، مقابل أربع لـ SWE-2

• صف فهرس مستقل — لا يمتلك أيٌ من الطرازين واحدًا

الخلاصة العملية هي أن كلا الشراءين شراء مقاعد لا شراء رموز، وواحد فقط منهما يأتي مع عدّاد يمكنك نمذجته. إذا احتاج فريق المالية لديك إلى تكلفة لكل وحدة، فإن MAI Code 2 يمنحك واحدة بينما SWE-2 لا يمنحك ذلك. وإذا احتاج فريق الهندسة لديك إلى معرفة ما إذا كان النموذج يحسّن مستودعاتك، فإن SWE-2 يمنحك جدول مقارنة وMAI Code 2 يمنحك نسبة.

Microsoft's MAI Models page announcing MAI Code 2 and Code 2 Flash under the heading 'Everyday coding at scalable prices', tagged Nov 17, 2026 and Ignite, with the MAI Code 2 model entry below it.

ما صُمِّم كل نموذج للقيام به

موجز مايكروسوفت لـ MAI Code 2 هو العمل المؤسسي اليومي: نقل الشيفرة إلى الإنتاج، وتصحيح الأخطاء المعمّق، والتنفيذ متعدد الملفات، والاستدلال على مستوى المستودع، وواجهات المستخدم ولوحات المعلومات. منشور الإطلاق صريح في أن النماذج "غير مضبوطة صراحةً بعد للمشكلات الأصعب، مثل أبحاث العلوم الأساسية والأعمال الوكيلية ذات الأفق الطويل جدًا" — وهي جملة تقع بشكل غير مريح بجوار ادعاء Terminal Bench 2.1، لأن Terminal-Bench معيار قياس وكيلي طويل الأفق. ويقول تموضع مايكروسوفت نفسه إنها لم تضبط النماذج من أجل الشيء الذي يقيسه ذلك المعيار.

موجز Cognition حول SWE-2 يسير في الاتجاه المعاكس: خطوات أقل، وعمليات تشغيل أرخص، ونموذج مُصمم بالتعاون مع الوكيل الذي يشغّله. يذكر المنشور أن متوسط الخطوات لكل تشغيل ينخفض إلى 53 على SWE-2 medium مقابل 127 لـ SWE-1.7، وأن medium تكلّف أقل بنسبة 81% من SWE-1.7، وأن الوسيط هو 18 خطوة حتى أول تعديل فعلي مقابل 48. هذه ادعاءات هندسية حول كفاءة الوكيل، وهي تهم مشترك Devin أكثر من أي صف في أي اختبار قياسي، لأنها تحدد مقدار الحصة الشهرية الذي تستهلكه المهمة.

إذًا فقد جرى ضبط النموذجين مرة أخرى وفق أهداف مختلفة: أحدهما للمهمة اليومية داخل IDE، والآخر لعدد الخطوات داخل وكيل مستقل. ولا يُعد أي منهما نسخة أفضل من الآخر.

حيث يستحق الموجّه مكانه عندما لا يكون أيٌّ من النموذجين قابلًا للتوجيه

لا يوجد MAI Code 2 ولا SWE-2 في كتالوج OrcaRouter، ولا توجد طريقة صادقة لادّعاء خلاف ذلك: أحدهما خيار في منتقي النماذج في Copilot، والآخر داخل Devin. وما تُغيّره طبقة التوجيه ليس الوصول إلى هذين النموذجين، بل تكلفة بناء المقارنة. ويجب أن يكون الضابط في أي تقييم لهما نموذجًا يمكنك استدعاؤه وقياسه — Claude Opus 5.5 وKimi K3.1 Pro وQwen3.8-Max وGemini 4 Carbon — وهذه متاحة خلف مفتاح واحد بسعر قائمة المزوّد مع هامش ربح 0%، لذا تُحتسب تكلفة تشغيل اختبار قياس أداء مقابلها بالسعر نفسه الذي يحدده المورّد تمامًا.

هذا يهم هنا أكثر مما يهم في معظم المواجهات، لأن السؤال المثير للاهتمام بشأن كلا النموذجين سؤالٌ مقارن: هل يتفوق مبرمج يومي على نموذج رائد في التكلفة لكل عملية دمج، على شفرتك؟ لا يمكنك الإجابة عن ذلك بقراءة جدولي بائع أُنتجا على أداتي اختبار. يمكنك الإجابة عنه بتشغيل النموذج القابل للقياس جنبًا إلى جنب مع أيٍّ من هذين النموذجين يمكن لفريقك الوصول إليه فعليًا، وبعدّ المهام المنجزة بدلًا من الرموز. التحويل التلقائي عند الفشل هو ما يُبقي تلك المقارنة مستمرة عندما يصل حد معدل استخدام من مزوّد في منتصف التشغيل، ولأن التسعير يُمرَّر بسعر القائمة، فإن تكلفة المهمة في المجموعة الضابطة لا تتضخم بسبب الطبقة التي تستخدمها لقياسها.

أيّ واحد تختار، بناءً على ما يمكنك التحقّق منه

• فريقك يستخدم Devin وتريد خطوات أقل لكل عملية طرح — SWE-2، وأرقام عدد الخطوات وخفض التكلفة في منشور Cognition هي التي تحسم الأمر.

• فريقك يستخدم Copilot وتريد رموزًا مميزة رخيصة للإصلاح الروتيني — MAI Code 2 بسعر 0.50 دولار و2.50 دولار، محسوبة بسعر مايو 2027 المضاعف وكذلك السعر الترويجي.

• عليك أن تدافع عن الاختيار برقم — SWE-2، لأنه ينشر أربعة بينما لا ينشر النموذج الآخر أي شيء.

• تحتاج إلى عمل وكيلي طويل الأفق — فلا هذا ولا ذاك، وفق الأدلة المتاحة. تقول Microsoft إنها لم تضبطه لذلك؛ ويُظهر جدول SWE-2 نفسه انهيارًا بمقدار 65 نقطة عندما يصبح المعيار أصعب.

• تحتاج إلى نموذج تكلفة لكل توكن — MAI Code 2، لأن SWE-2 ليس لديه سعر منشور لبناء نموذج عليه.

Cognition's 'Introducing SWE-2: Pushing the Pareto Frontier' post by the Cognition Team, dated 2026.09.10, with a lede reporting 50.0 percent on FrontierCode 1.1 Main, within one point of Fable 5.1 while being 64 percent cheaper, and describing RL scaled to the multi-trillion-parameter regime.

ما يستحق المراقبة هو ما إذا كانت Microsoft ستنشر في أي وقت الرقم الذي من شأنه أن يجعل هذه المقارنة حقيقية. معدل نجاح في Terminal Bench 2.1 سيفي بالغرض؛ ومعدل في Terminal Bench 4.0 سيحسم الأمر، لأن ذلك هو الإصدار الذي يُظهر فيه جدول SWE-2 نفسه كيف يبدو نموذج برمجة عندما تصبح المهام أطول. وإلى أن يوجد أحد هذين، فإن MAI Code 2 بطاقة معدلات مرفق بها وعد، وSWE-2 جدول مرفق به عدد خطوات، وواحد منهما فقط يمكن التحقق منه من خارج الشركة الموردة.

Scoreboard comparing MAI Code 2 and SWE-2 across six dimensions. DeepSWE 1.1 not published versus 73.0 percent, Terminal-Bench 2.1 not published versus 92.8 percent, Terminal-Bench 4.0 not published versus 27.3 percent, price $0.50 and $2.50 per million tokens versus no per-token price, weights not distributed on both, and access via GitHub Copilot versus Devin only.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا