AIbaseActualizado el

Microsoft lanza el modelo MAI Code1.1Flash, y GitHub Copilot admitirá una inferencia híbrida local y en la nube

Microsoft anunció en su evento de Windows y Surface del 7 de octubre de 2026 que introducirá a finales de este mes soporte de modelos de IA locales en GitHub Copilot, permitiendo a los desarrolladores alternar libremente…

Microsoft anunció en su evento de Windows y Surface del 7 de octubre de 2026 que introducirá antes de fin de mes soporte de modelos de IA locales en GitHub Copilot, lo que permitirá a los desarrolladores alternar libremente entre modelos en la nube y en el dispositivo o implementar una programación automática.

Para abordar los problemas del cuello de botella de memoria y el consumo de recursos de contextos largos en la inferencia en el dispositivo, Microsoft lanzó el eficiente modelo de mezcla de expertos (MoE) MAI Code1.1Flash. Este modelo cuenta con 137000 millones de parámetros totales y 6800 millones de parámetros activados, y combina técnicas de cuantización y decodificación especulativa, reduciendo significativamente el uso de memoria mientras mejora la velocidad de respuesta de codificación en el dispositivo, y se estrena de forma pionera en el nuevo Surface Laptop Ultra equipado con hardware NVIDIA RTX Spark.

En cuanto a las aplicaciones concretas, los usuarios pueden elegir el modo de inferencia por sí mismos a través de GitHub Copilot CLI, la aplicación Copilot y Visual Studio Code: pueden depender de la coordinación automática de recursos por parte del backend de Copilot, o especificar el uso de proveedores de Windows ML o puntos de conexión locales compatibles con OpenAI para invocar modelos locales como MAI Code1.1Flash. En cuanto a la seguridad, el sistema integra el contenedor de ejecución de Microsoft (MXC) construido por el equipo de Windows, que aprovecha los mecanismos nativos de aislamiento de contenedores de cada sistema operativo para garantizar la seguridad de la ejecución del código.

Esta actualización marca que los asistentes de codificación de IA están acelerando su evolución desde la dependencia pura de la nube hacia una arquitectura híbrida de colaboración «nube + dispositivo». Esta medida no solo simplifica la barrera de despliegue de los modelos locales, sino que también ofrece una solución de implementación más eficiente para escenarios de desarrollo con alta privacidad y baja latencia.

Fuente original

AIbase

Notas sobre el contenido

La publicación original y los derechos pertenecen a la fuente.

Traducción automática · Consulte el original