基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
9.0
重磅
AI SCORE
编程提效2026-11-21 02:51

微软开发工具更新:模型、审查与浏览器代理

dev.to · AI#微软#Copilot#Agent
Editor brief · 编辑速览

这份 Ignite 汇总按正式可用、预览和早期访问整理公告,涵盖 Copilot 新模型及 Foundry 模型服务。开发相关变化包括接入 Azure DevOps 仓库、操控已登录浏览器,以及带秘密信息检测的本地代码审查。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

微软在 Ignite 2026 上给出的方向很明确:让 Copilot 接住工作入口,让平台替用户选模型,再把代理的权限、成本和运行环境一起管起来。对程序员来说,最值得看的不是发布了多少产品,而是 AI 编程正在从个人工具变成企业基础设施。

这份清单整理了 11 月 17—20 日大会的发布内容,信息密度很高,但厂商基准、预览功能和正式商用混在一起容易造成误判。下面按开发者真正要做的选择重新拆开:模型是否划算,工作流能接多深,以及团队需要承担哪些管理成本。

便宜模型加路由,能替代每次手动选模型吗

微软这次押注的不是所有任务都用最强模型,而是按任务分配能力和预算。

原文称,微软公布了覆盖编程、安全、图像、语音和转录的七款低成本 MAI 模型,Foundry 的模型目录超过 11,000 个。MAI Code 2 和 MAI Code 2 Flash 进入 GitHub Copilot,GPT-6.2 Astra/Sol 则在 Foundry 正式商用。

其中最贴近前端的是一次盲测:258 名评估者参与前端应用评价,MAI Code 2 的输出有 64% 的时候比 GPT-6 Sol 更受偏好。这能说明特定样本下的主观选择,不能直接当作代码正确率、维护性或复杂项目成功率。

成本数字同样需要看脚注。微软称,MAI Code 2 Flash 的表现接近 GPT-6 Luna 和 Claude Haiku 5.5,成本分别约为两者的 65% 和 20%,但计算使用了五折促销价。微软自己也承认,这些模型尚未针对更难的问题调优。

低价模型是否划算,要看完成任务的总成本,而不是一次调用的价格。

负责分配任务的能力被拆成了三层:Foundry model router 覆盖排名靠前的 50 个 Foundry 模型;Copilot Fusion 在云端与本地模型之间分派编程任务;Microsoft-Decision-1.1 判断任务需要多少推理投入。可以把它理解成调度员:先判断活有多难,再决定交给谁、花多少算力。

Decision-1.1 基于支持图像输入的 Gemma 4 26B A4B,在 Artificial Analysis Decision Index v2.1 上得分 68,比上一版高 6 分,运行速度超过前代的两倍,输入价格从每百万 token 0.042 美元起。原文称已有超过 4,000 家客户使用。

不过,路由模型跑得快,不代表最终任务一定更快。选错模型后的重试、升级和人工接手,也需要进入账单。

Copilot 的变化,已经超出聊天窗口

重建后的 Copilot 围绕 Chat、Cowork、Code 和 Autopilot 四种模式组织。Word、Excel、PowerPoint 进入 Copilot 应用并正式商用,Copilot Code 和 Managed Runtime 则把内部工具开发推向更多非开发人员。

开发者面对的变化,是从自己写功能,扩展到接管别人通过代理生成的应用:权限怎么配,故障怎么查,数据能流向哪里,都需要有人负责。

GitHub Copilot 的几项更新直接连接现有工作流。Azure DevOps 仓库支持处于公开预览,Copilot 应用可以处理从克隆到合并的流程,也支持 GitHub Enterprise Server。浏览器操作同样处于公开预览,可以在已经登录的 Chrome、Edge 等 Chromium 浏览器里填表、取数、测试和调试网页。

对前端而言,浏览器接入的价值是让代理看到真实页面状态。但已有登录态也带来了真实操作权限,测试账户、目标环境和允许提交的动作必须明确。

代码审查也在往提交前移动:CLI 和应用支持本地审查、密钥检测、自适应审查投入,以及跨仓库上下文。小改动可以少花审查资源,涉及多个仓库的变化则有机会获得更完整的背景。

Copilot Fusion 将任务分配到开发者 PC 本地模型的能力,目前是 Windows 预览功能。它提供了降低云端调用成本的可能,但原文没有给出完整的数据流说明,不能据此认定代码和上下文都留在本机。

另一个值得开发平台团队关注的变化是 Microsoft Copilot SDK 2.0 正式商用。原文称,它提供微软和 GitHub 在生产中使用的代理执行框架,以原生 Rust 运行时重建,支持六种语言,面向多租户和大规模部署。具体支持哪些语言,原文没有列出,不能直接推断现有 Node 项目能够怎样接入。

代理能做更多事,企业就开始管身份、权限和账单

Nadella 称,Agent 365 中已有超过 5,000 万个代理。这个数字说明微软强调的管理规模,但原文没有解释代理如何计数,也没有给出活跃程度。

更具体的变化是,Copilot 的提示词、响应和工具调用可以进入 Agent 365,风险信号进入 Purview 和 Defender。Entra 开始为发现的本地代理分配 Agent ID,首批涉及 GitHub Copilot CLI 和 Claude Code。

代理身份的作用,是让系统能够区分执行者,并围绕它设置权限和追踪操作。仅知道某台电脑属于谁,已经不足以解释电脑上的每次自动操作。

MCP Firewall 处于预览阶段,控制范围包括 MCP 服务器、工具、资源、提示词、协议和传输方式。Intune 的本地代理治理也在预览中,可以发现代理,将运行未批准代理的设备标记为不合规,再通过 Conditional Access 阻止访问。

运行时防护已经走得更快。Defender 对本地 AI 代理的运行时保护正式商用,需要 Defender for Endpoint P2,覆盖 Claude Code、GitHub Copilot CLI 和应用、Claude Desktop 及 VS Code 扩展等。

隔离能力则需要区分状态:AI 代理进程容器的受保护工作区仍在预览,观察行为后再执行规则的学习/宽松模式已经正式商用。

成本管理与这些控制一起出现。原文转述的评论指出,微软增加了预算观察和限制工具,但计费仍以用量为基础。能看见费用,不等于费用自然下降。

基础设施也在配合这条路线:Cobalt 200 Arm VM 正式商用,微软称 CPU 性能较 Cobalt 100 最高提升 50%;HorizonDB 作为分布式托管 PostgreSQL 正式商用,支持扩展到 128 TB。其 OLTP 最高快 8 倍的说法来自微软自己的 HammerDB 测试,不能直接代入业务数据库。

我的判断

我认同把路由、评估、权限和成本一起做。只给团队一个模型下拉框,很难管理持续运行、跨工具执行的代理。Copilot Evals 用来验证 instructions、prompts、skills 是否有效,也比凭感觉向全员推广更稳妥。

但统一平台有自己的代价。相比手动固定模型,自动路由减少了选择负担,也增加了排查变量:一次失败究竟来自模型、路由、上下文,还是工具权限?原文没有提供完整的路由对照实验,也没说明开发者能看到多少决策细节。

作者最后提出,MAI Code 2 可能以更低价格达到前沿模型约 96%—98% 的质量。原文没有给出足够数据解释这个比例,应视为作者判断,不能替它背书。微软的模型评估、客户案例和第三方评论,也应分别看待,不能拼成同一组实测证据。

可靠性同样不能被功能清单盖过去。原文提到,大会前一周发生过 Microsoft 365/Outlook 大规模故障,Nadella 在开场回应「We have work to do」。当入口、上下文、执行和治理越来越集中,团队更需要考虑服务不可用时如何继续工作。原文没有给出这方面的量化改善证据。

能拿来做什么

  • 给团队准备一组真实任务,包含前端页面修改、跨文件修复和代码审查,比较固定模型与自动路由的完成结果,同时记录费用、耗时和人工返工。
  • 试用浏览器代理时,先限定测试账户和测试环境,并把表单提交等有状态操作纳入检查,验证它能否正确处理已有登录态。
  • 推广 instructions、prompts 或 skills 前,使用 Copilot Evals 验证收益;至少检查它是否解决目标问题,以及是否引入新的失败。
  • 使用 Claude Code、Copilot CLI 或 MCP 的团队,可以先盘点代理、服务器和凭据,再按正式商用与预览状态评估身份、审计和隔离能力,避免把路线图当成已经可用的保障。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
Agent 传文件只传引用,字节交给宿主搬运
下一篇
Gemini 在 Mac 后台操作桌面应用

资讯速览

dev.to · AI · 2026-11-21 02:51

AI 评分 9.0 / 10

相关标签

#微软#Copilot#Agent

继续阅读

  • 同一模型换个榜单,Codex 排名为何悬殊
  • Agent 传文件只传引用,字节交给宿主搬运
  • Gemini 在 Mac 后台操作桌面应用
  • LLM 输出非法 JSON,如何分层处理
  • 用 Claude 写代码生成可编辑视频