SSysDigest
MAI Code 1.1 Flash : Microsoft lance son IA codeuse locale (et gourmande)

Photo : Sergei Starostin sur Pexels

Actu Tech

MAI Code 1.1 Flash : Microsoft lance son IA codeuse locale (et gourmande)

Microsoft déploie MAI-Code-1.1-Flash en local dans GitHub Copilot fin octobre, mais il faut 75 Go de RAM pour le faire tourner.

développementactuMicrosoftintelligence artificielle
Partager :

Microsoft vient de dégainer MAI-Code-1.1-Flash, un modèle d'IA pensé pour coder vite et à moindre coût, qui débarque aussi en version locale dans GitHub Copilot d'ici la fin du mois d'octobre. L'idée, c'est de pouvoir faire tourner l'assistant directement sur ta machine, sans dépendre du cloud, notamment sur les PC équipés de la puce Nvidia RTX Spark taillée pour l'IA.

Problème : pour profiter de cette version locale, il faut quand même sortir l'artillerie lourde en matière de mémoire, puisque Microsoft annonce un besoin de 75 Go de RAM. Autant dire que ton PC de bureau ou ton laptop standard risque de ne pas suffire, et que seules les configs musclées (ou équipées de ce fameux chip RTX Spark) pourront vraiment en tirer parti.

Un concurrent direct pour Claude et GPT

Microsoft positionne clairement MAI-Code-1.1-Flash comme un rival de Claude Haiku 5.5, sorti tout récemment, et de GPT-6 Luna. L'argument de vente, c'est la rapidité et le prix cassé pour les tâches de code courantes, le tout sans forcément passer par les serveurs distants. Une stratégie qui colle avec la tendance actuelle : de plus en plus d'acteurs cherchent à proposer de l'IA qui tourne en local, pour des raisons de confidentialité, de latence ou de coûts d'infrastructure.

Ce qu'il faut retenir

  • MAI-Code-1.1-Flash est le nouveau modèle de code de Microsoft, taillé pour la rapidité et les petits budgets.
  • Une version locale arrive dans GitHub Copilot avant fin octobre 2026.
  • Il faut 75 Go de RAM pour la faire fonctionner, un frein sérieux pour la plupart des configs grand public.
  • Les PC équipés de la puce Nvidia RTX Spark sont visés en priorité pour exploiter ce modèle en local.
Ceci est un résumé rédigé par SysDigestLire l'article original sur Frandroid →

À lire aussi