Microsoftの新しいコーディングモデル「MAI-Code-1-Flash」が、GitHub Copilot向けにロールアウトされ始めた。読者がまず見るべきなのは、モデル名そのものよりも、自分のVS Code環境で選べるのか、Auto picker経由なのか、AI Creditsでどのように費用を見ればよいのか、組織利用では誰が許可と予算を確認するのか、という実務上の入口だ。
この記事では、2026年6月6日JST時点で確認できるGitHub Changelog、Microsoft AIの発表、モデルカード、GitHub Docsの料金/対応モデル情報をもとに、MAI-Code-1-Flashを試す前の確認ポイントを整理する。専門メディアやコミュニティでは、Microsoft製モデルの登場、低トークン利用、GitHub CopilotのAI Creditsとの関係に関心が集まっているが、事実認定は公式一次情報に限定する。
3行まとめ
このテーマをもう少し広げて見るなら、VS CodeのGitHub Copilot 5月更新：Agents window、BYOK、ターミナル安全機能の確認ポイント と GitHub Copilot SDKが一般提供：6言語対応、MCP/BYOK、課金で自社アプリに組み込む確認ポイント も合わせて確認してください。MAI-Code-1-FlashをVS Codeで試す前に、Agents window、BYOK、ターミナル実行の安全機能も合わせて確認できる。
MicrosoftがGitHub Copilot向けに投入したコーディングモデルで、まずVS CodeのCopilotから段階ロールアウトされます。
モデルカードでは256K tokensのcontext length、137B total/5B active、VS Codeでの提供が確認できます。
入力、cached input、出力の単価と、個人/組織の月次枠を分けて見る必要があります。
まずは「どこで使えるか」「何が得意そうか」「どれだけ消費するか」を別々に確認すると判断しやすくなります。
- MAI-Code-1-Flashは、MicrosoftがGitHub Copilot向けに投入した軽量寄りのコーディングモデルで、まずVS CodeのCopilotで段階ロールアウトされる。
- 公式モデルカードでは、256K tokensのcontext length、137B total/5B active、Visual Studio CodeでのGitHub Copilot提供、Copilot CLIは後段予定といった条件が確認できる。
- AI Creditsは「モデル単価」と「使ったトークン量」で変わるため、入力、cached input、出力の単価と、個人/組織の月次枠を分けて見る必要がある。
MAI-Code-1-FlashはGitHub Copilotで何が変わるのか
- 1目的特化
リポジトリ質問、リファクタリング、エージェント的なコーディングタスクを意識して訓練/評価されています。
- 2選択肢に追加
Microsoft製だからすぐCopilot全体の既定になるのではなく、Auto pickerやmodel picker経由で使われる場合があります。
- 3確認対象
利用者が最初に見るべきなのは、自分のVS Code上でmodel pickerに表示されるかどうかです。
今回の変化は「Copilotのモデル選択肢が増える」と捉えると、期待値を置きやすくなります。
MAI-Code-1-Flashは、Build 2026で出てきた多数のAI発表の一部だが、利用者から見ると「Microsoft製のコーディングモデルがGitHub Copilotの選択肢に入る」という点が重要になる。GitHub Changelogは、MAI-Code-1-FlashをMicrosoftの新しいpurpose-built coding modelsの流れとして説明し、GitHub CopilotでVS Codeからロールアウトを始めるとしている。
Microsoft製の目的特化コーディングモデル
根拠
Microsoft AIの発表では、MAI-Code-1-Flashは日常的な開発ワークフロー向けに、速く効率のよい支援を目指したコーディングモデルとして紹介されている。一般的なチャットモデルをそのままIDEに置くというより、GitHub Copilotのproduction harness、リポジトリ質問、リファクタリング、エージェント的なコーディングタスクを意識して訓練/評価した、という位置づけだ。
注意点
ここで大事なのは、「Microsoft製だからすぐにCopilot全体の既定モデルになる」と読まないこと。Microsoft AIの発表では、ロールアウトが進むとAuto picker経由でタスクがMAI-Code-1-Flashへ回る場合や、model pickerで直接見える場合があると説明している。つまり、読者が最初に確認すべきなのは、モデルがどこに表示されるか、表示されないときに未提供なのか段階展開中なのか、という入口になる。
Build 2026の多モデル戦略の中で読む
背景
Microsoft Build 2026の公式ブログは、開発者向けにモデル、ツール、ローカル/クラウド実行、エージェント基盤を広げる文脈で発表をまとめている。MAI-Code-1-Flashは、Windows、Foundry、GitHub Copilot、AIエージェントの大きな流れの中では「モデル選択肢の拡大」にあたる。
読み方
この読み方をすると、MAI-Code-1-Flashを単なるベンチマークニュースとして消費しにくくなる。Copilot app、Copilot CLI、Copilot sandboxesのような実行面の更新とは役割が違う。モデルを選べるようになっても、どこで実行されるか、何にアクセスできるか、どの費用枠で使われるかは別の確認項目として残る。
Build 2026全体の位置づけを先に見たい場合は、<a href="https://msft-watch.blog.mo-gmo.com/msft-16-microsoft-build-2026-keynote-japan-time/" rel="noopener">Microsoft Build 2026の公式確認ポイント</a>もあわせて確認したい。この記事では、そこからMAI-Code-1-Flashだけを切り出して扱う。
読者にとっての新しさは3つある
ひとつ目は、VS CodeのGitHub CopilotでMicrosoft製の新しいコーディングモデルが見える可能性が出たこと。ふたつ目は、公式情報上で「軽量」「低レイテンシ」「トークン効率」を前面に出していること。三つ目は、GitHub Copilotの利用がAI Creditsベースへ寄っているため、モデル選択が費用確認と結びつくことだ。
この3点を分けておくと、記事やSNSで見かける「速い」「安い」「Microsoftが自前モデルを出した」という言い方を、少し落ち着いて読める。速さと安さは、読者のリポジトリ、プロンプト量、出力量、比較するモデル、Copilotの機能面によって変わる。公式発表を起点にしつつ、最後は自分の作業で比較するのが現実的だ。
まず確認するのはVS Codeでの提供対象
- 対象プランを見る
Copilot Free、Student、Pro、Pro+、Max plansへ段階的にロールアウトされると説明されています。
- VS Codeで確認する
launch時点のdistribution channelはGitHub Copilot in Visual Studio Codeです。
- 段階ロールアウトを待つ
Availabilityはlimited set of usersから始まり、数週間かけて広がる扱いです。
- CLIは後段予定
GitHub Copilot CLI supportはplanned for a later rolloutとされています。
同じプランでも表示時期がずれる可能性があるため、プラン、クライアント、ロールアウト状況を分けて確認します。
GitHub Changelogは、MAI-Code-1-FlashがCopilot Free、Student、Pro、Pro+、Max plansへ段階的にロールアウトされると説明している。2026年6月5日の編集注記では、Copilot Studentが対象リストに追加された。対象は広く見えるが、Availability will start with a limited set of users and expand gradually over the coming weeksという扱いなので、同じプランでもすぐ見えるとは限らない。
ロールアウトはVS Codeから始まる
公式情報で確認できること
GitHub Changelogでは、model pickerでVisual Studio Codeから選べるとされている。Microsoft AIの発表も、VS CodeのGitHub Copilot individual usersへロールアウト中で、追加セットアップ不要、Auto pickerまたはmodel pickerで見える可能性があると説明している。
まだ待つべき範囲
モデルカードPDFでは、launch時点のdistribution channelがGitHub Copilot in Visual Studio Codeに限定されている。GitHub Copilot CLI supportはplanned for a later rolloutと書かれているため、CLIや他IDEでの利用を期待している場合は、発表文ではなく、そのクライアントの公式ドキュメント更新を待つのが安全だ。
表示されない場合に疑う順番
確認項目
MAI-Code-1-Flashがmodel pickerに出ない場合、すぐ障害と見るより、次の順に切り分けるほうがよい。
| 見る場所 | 確認すること | 読み方 |
|---|---|---|
| GitHub Changelog | 段階ロールアウトの対象と編集注記 | 対象プランでも数週間かけて広がる可能性がある |
| VS Code | GitHub Copilot拡張の更新状況 | 古い環境ではmodel pickerや挙動が違うことがある |
| GitHub Docs | supported modelsとクライアント対応 | 対応IDE、最小バージョン、plan別表を確認する |
| 組織設定 | enterprise/organizationのモデル可用性 | 管理者設定でモデルが許可されていない可能性がある |
| Auto picker | 直接見えなくても自動選択される可能性 | 直接選択と自動ルーティングは同じではない |
GitHub Docsのsupported modelsページには、モデルごとの対応クライアントや最小バージョンに関する注意が置かれている。モデルが見えない読者は、まずVS CodeとCopilot拡張を最新化し、それでも見えない場合は段階ロールアウトと管理者設定を疑うのが自然だ。
個人向けと組織向けを混同しない
GitHub Changelogが明示しているのは、Free、Student、Pro、Pro+、Max plansへの段階ロールアウトだ。一方、企業利用では、Copilot Business/Enterpriseの契約、enterprise policy、organization policy、model availabilityの設定が関わる。個人アカウントで見えるから組織でも使える、または組織で見えないからモデルが提供されていない、と短絡しないほうがよい。
組織での導入判断は、個人のmodel pickerではなく、GitHub Docsのsupported models、管理画面、AI Creditsのレポート、社内の生成コードレビュー運用を合わせて見る必要がある。この点は後半で整理する。
256Kコンテキストと137B/5B activeをどう読むか
長いcontext lengthは武器ですが、レビューやテストの手順を省ける根拠にはなりません。
モデルカードPDFは、MAI-Code-1-Flashの仕様をかなり具体的に出している。DeveloperはMicrosoft Corporation、モデルはtext-to-text coding model、architectureはsparse Mixture-of-Experts layersを使うtransformer、parametersは137B total/5B active、context lengthは256K tokens、training datesは2026年3月から5月、release dateは2026年6月2日だ。
256K tokensは「長く読める可能性」であって万能ではない
根拠
256K tokensというcontext lengthは、リポジトリ質問、複数ファイルの設計確認、広めのリファクタリング相談では魅力的に見える。ただし、これはモデル側の仕様であり、VS CodeのCopilotが常に256K分のリポジトリ情報を送るという意味ではない。
注意点
実際の作業では、Copilotがどのファイルを文脈として拾うか、ユーザーが何を開いているか、リポジトリの除外設定、組織のポリシー、プロンプト量、利用するCopilot機能によって結果が変わる。長いcontext lengthは武器だが、「リポジトリ全体を必ず把握している」と考えると、レビューやテストの手順を雑にしてしまう。
137B total/5B activeは軽量性の説明として見る
MAI-Code-1-Flashは137B total parametersだが、active parametersは5Bとされている。これはsparse Mixture-of-Experts型の説明として重要だ。すべてのパラメータを毎回同じように使うのではなく、タスクに応じて一部の専門部分を使う設計だと理解すると、Microsoftが「軽量」「低レイテンシ」「低コスト」を強調する理由が見えやすい。
もっとも、利用者がMoEの仕組みを深く追う必要はない。実務上は、同じリポジトリで、説明、テスト追加、リファクタリング、issueからの修正案作成を投げたときに、出力が短すぎないか、余計な変更をしないか、テストや既存設計を見ているか、再質問が少なく済むかを見るほうが役に立つ。
モデルカードのknown limitationsを先に読む
モデルカードは、AI-generated text and code may be inaccurate, incomplete, or otherwise incorrectと注意している。つまり、MAI-Code-1-FlashがGitHub Copilot向けに訓練されていても、生成コードのレビュー、テスト、検証は不要にならない。
この注意点は、個人利用より企業利用でさらに重くなる。セキュリティに関わる修正、課金や認証に関わるコード、顧客データを扱う処理では、モデルが短く上手に見える出力を返したとしても、そのまま採用しない。社内のレビュー基準、テスト、依存関係チェック、ライセンス確認まで含めて「使える」と判断する必要がある。
AI Creditsでは何を見ればよいか
安く見えるモデルでも、長い出力や再試行が増えると消費は変わります。
MAI-Code-1-Flashのニュースで、読者が最も混乱しやすいのがAI Creditsだ。GitHub Docsのmodels and pricingページでは、Copilotのinteractionがinput tokens、output tokens、cached tokensを消費し、モデルごとの単価に応じてAI creditsへ換算されると説明している。1 AI creditは0.01米ドルに相当する。
単価は入力、cached input、出力で分かれる
GitHub Docsの記載
2026年6月6日JST確認時点で、GitHub Docsのpricing tableには、MAI-Code-1-FlashがGA、Lightweightとして掲載されている。単価はすべてper 1 million tokensで、inputが0.75米ドル、cached inputが0.075米ドル、outputが4.50米ドルだ。
| 項目 | 2026年6月6日JST確認時点のGitHub Docs記載 |
|---|---|
| Release status | GA |
| Category | Lightweight |
| Input | $0.75 / 1M tokens |
| Cached input | $0.075 / 1M tokens |
| Output | $4.50 / 1M tokens |
| 換算 | 1 AI credit = $0.01 USD |
食い違うときの優先順
一方で、MAI-Code-1-FlashのモデルカードPDFにはPricingがTo be finalizedと記載されている。料金の実務確認では、GitHub Copilotの課金を扱うGitHub Docsのpricing tableを優先し、公開前や導入前に再確認するのがよい。価格や対象プランは変わりやすい。
「1回いくら」とは決めにくい
AI Creditsは、質問1回で固定されるわけではない。長いリポジトリ文脈を含める、複数ファイルを読ませる、出力が長い、再試行する、agentic workflowでツール呼び出しを伴う、という場合には使うトークン量が変わる。MAI-Code-1-Flashが軽量カテゴリに置かれていても、使い方によって消費は変わる。
GitHub Docsのusage-based billingでは、個人プランごとに月次のAI Credits allowanceがあり、Copilot Business/Enterpriseではユーザーごとの月次枠がbilling entity levelでプールされると説明されている。つまり、個人は自分の月次枠、企業は組織全体のプールと予算管理を見る必要がある。
Code completionsとChat/agentic workflowを分ける
Copilotの費用確認では、code completions、Chat、agentic workflow、code reviewを同じ箱に入れないほうがよい。GitHub Docsは、利用機能によって課金や追跡の考え方が変わることを示している。特にCode reviewはAI Creditsだけでなく、GitHub Actions minutesも絡むため、MAI-Code-1-Flashのモデル単価とは別の論点になる。
Code reviewの課金変更を確認したい場合は、<a href="https://msft-watch.blog.mo-gmo.com/msft-14-github-copilot-code-review-actions-minutes/" rel="noopener">GitHub Copilot code reviewの課金変更</a>の記事に分けて読んでほしい。この記事では、MAI-Code-1-Flashを試すときのモデル単価、月次枠、組織プールの見方に集中する。
個人ユーザーが試す前のチェックリスト
- 1表示可否を確認
VS CodeのGitHub Copilotでmodel pickerを開き、MAI-Code-1-Flashが見えるか確認します。
- 2条件を切り分ける
見えない場合は、Copilot拡張、GitHubアカウントのプラン、段階ロールアウト、組織ポリシーを順に見ます。
- 3小さなタスクで比較
既存関数の説明、小さなユニットテスト追加、短いリファクタリングなどから始めます。
- 4結果をレビュー
速さだけでなく、修正の正確さ、再質問の少なさ、テストしやすさを確認します。
直接選べない場合でもAuto picker経由で使われる可能性はありますが、比較検証では明示的に選べる状態が分かりやすいです。
MAI-Code-1-Flashは、発表を読むだけなら魅力的なモデルだ。しかし、試すときは最初から大きなリファクタリングや本番障害の修正に投入するより、小さく比較できる作業から始めたほうが判断しやすい。
表示可否を確認する
まずVS CodeのGitHub Copilotでmodel pickerを開き、MAI-Code-1-Flashが見えるか確認する。見えない場合は、Copilot拡張の更新、GitHubアカウントのプラン、段階ロールアウト、組織ポリシー、ネットワーク制約を順に見る。
Auto pickerも別の確認点だ。Microsoft AIの発表では、Auto picker経由でタスクがMAI-Code-1-Flashにルーティングされる可能性があるとされている。直接選べないから使われていない、とは限らない。ただし、Auto pickerの内部判断を利用者が細かく確認できるとは限らないので、比較検証ではmodel pickerで明示的に選べる場合を中心にするのが分かりやすい。
最初の比較タスクは軽くする
最初に試すなら、次のようなタスクが向いている。
- 既存関数の意図を説明させる。
- 小さなユニットテストを追加させる。
- 1ファイルから2ファイル程度の軽いリファクタリングを依頼する。
- issue文から修正方針と差分案を作らせる。
- 既存のエラーを読み、原因候補と確認コマンドを出させる。
評価するときは、正答率だけでなく、差分の小ささ、余計な設計変更をしないか、テストを増やすか、既存スタイルを尊重するか、説明が長すぎないかも見る。Microsoft AIは、MAI-Code-1-Flashがadaptive solution length controlを使い、簡単な依頼では短く、複雑な依頼ではより深く考えるよう設計したと説明している。この主張が自分の作業で当てはまるかを、小さいタスクで見るのがよい。
256Kを試すならコンテキストの渡し方を固定する
長文コンテキストを試す場合は、比較条件をそろえる。たとえば同じリポジトリ、同じ開いているファイル、同じプロンプト、同じテストコマンドで、MAI-Code-1-Flashと別モデルを比べる。長いファイルをたくさん入れればよいわけではない。不要な情報が増えるほど、費用と応答品質の両方に影響する可能性がある。
GitHub Copilot sandboxesやCopilot appのように、モデル以外の実行環境も関係する作業では、モデルの良し悪しと実行環境の良し悪しを分けて見る。Copilotのローカル/クラウド実行や権限境界は、<a href="https://msft-watch.blog.mo-gmo.com/msft-23-github-copilot-sandboxes-public-preview-local-cloud-billing/" rel="noopener">GitHub Copilot sandboxesの記事</a>で整理している。
Business/Enterpriseで広げる前に見ること
model availability、default models、enterprise policy、organization policyを確認します。
契約プラン、対象ユーザー、AI Credits allowance、利用量の見え方を確認します。
組織ポリシー、対象クライアント、リポジトリ情報の扱い、利用できる機能範囲を確認します。
レビュー基準、テスト追加、複数ファイル変更での品質、チーム内の使い分けを確認します。
Business/Enterpriseでは、個人向けChangelogだけで組織でも使えると判断しないほうが安全です。
組織でMAI-Code-1-Flashを扱う場合、開発者が「見えた」「速かった」と言うだけでは足りない。管理者、billing owner、セキュリティ担当、開発リードが見る項目を分けたほうがよい。
モデルアクセス設定とポリシーを確認する
確認項目
GitHub Docsには、管理者向けにmodel availabilityやdefault modelsを管理する導線がある。Business/Enterpriseでは、契約プラン、enterprise policy、organization policy、feature rollout、対象クライアントが絡むため、個人向けChangelogだけで「組織でも使える」と判断しないほうがよい。
確認したいのは、少なくとも次の項目だ。
- GitHub Copilot Business/Enterpriseの契約と対象ユーザー。
- 使うクライアントがVS Codeなのか、CLIや別IDEなのか。
- MAI-Code-1-Flashがsupported models上でどう扱われているか。
- organization/enterpriseのモデル可用性設定。
- 生成コードのレビュー、テスト、セキュリティ確認の社内ルール。
- 利用ログ、AI Credits、予算上限を誰が見るか。
AI Creditsは組織プールで見る
GitHub Docsのusage-based billing for organizations and enterprisesでは、Copilot Businessが1ユーザーあたり月1,900 AI credits、Copilot Enterpriseが1ユーザーあたり月3,900 AI creditsの標準枠を持ち、それがbilling entity levelでプールされると説明されている。既存顧客向けには、2026年6月1日から9月1日までの3か月、Businessが3,000、Enterpriseが7,000 AI creditsのプロモーション枠になるとも説明されている。
プール型では、よく使う開発者が多めに消費し、軽い利用者がそれを相殺する形になる。これは便利だが、費用の見え方を曖昧にもする。MAI-Code-1-Flashを組織で試すなら、pilot group、対象リポジトリ、期間、比較モデル、利用上限、結果の評価基準を決めてから始めたい。
社内検証は「採用」ではなく「許可範囲」から始める
いきなり全社標準モデルとして扱うより、まず許可範囲を決める。低リスクのリポジトリ、テストがあるタスク、レビューが必須のプルリクエスト、顧客データを含まない作業から始めるほうがよい。
モデルカードのknown limitationsが示す通り、生成結果は不正確、不完全、誤りを含む可能性がある。これはMAI-Code-1-Flashだけの弱点ではなく、AIコーディング支援全般の前提だ。組織では、モデルの性能比較より前に、どの種類のコードで使うか、どの承認を通すか、どのログを残すかを決めるほうが実務に効く。
ベンチマークと「低コスト」をどう判断するか
公式ベンチマークは重要な材料ですが、production harnessでの評価であり、導入判断では自分のリポジトリでの比較が必要です。
Microsoft AIの発表とモデルカードは、MAI-Code-1-Flashの性能を強く打ち出している。SWE-Bench Verified、SWE-Bench Pro、SWE-Bench Multilingual、Terminal Bench 2などでClaude Haiku 4.5と比較し、SWE-Bench Proでは51.2%対35.2%という差を示している。SWE-Bench Verifiedでは、平均token usageが大きく少ないという説明もある。
公式ベンチマークは条件付きの材料にする
根拠
これらの数値は、Microsoft側のproduction harnessで評価したものだ。公式情報として重要だが、第三者評価のように扱うべきではない。読者の実務では、言語、テストの有無、リポジトリの規模、社内規約、レビュー基準が違う。
評価基準
ベンチマークは「試す価値があるか」を判断する材料にはなる。ただし、「自分の環境で最良」と断定する材料にはならない。とくに長文コンテキスト、agentic coding、複数ファイル変更は、モデルだけでなくCopilot側の文脈収集やツール利用にも左右される。
低コストは出力量と再試行回数まで見る
MAI-Code-1-Flashは、価格表ではLightweightカテゴリに置かれ、Microsoft AIの発表でもトークン効率が強調されている。ただし、安さは単価だけで決まらない。短い出力で済む、再質問が少ない、差分が小さい、テストが通る、余計なやり直しが少ない、というところまで含めて見る必要がある。
たとえば、1回あたりの出力単価が低くても、何度も修正依頼が必要なら合計消費は増える。逆に、単価が高いモデルでも、1回でテスト付きの良い差分が出るなら、実務上は安く済むことがある。MAI-Code-1-Flashの比較では、AI Creditsの消費量と、レビュー/修正にかかった人間の時間を一緒に見ると判断しやすい。
この記事での結論
MAI-Code-1-Flashは、VS CodeでGitHub Copilotを使う個人開発者にとって、試す価値のある新しい選択肢だ。特に、軽い修正、リポジトリ質問、テスト追加、短めのリファクタリングでは、公式が示す「効率のよさ」が効く可能性がある。
企業やチームでは、すぐ標準化するより、model availability、AI Credits、pilot group、レビュー条件を決めてから広げたい。Microsoft製モデルの登場は大きな動きだが、生成コードの検証責任が消えるわけではない。
次に読むなら
Microsoftの開発者向け発表、GitHub Copilot、Windows、Azure、Microsoft 365の更新を継続して追う場合は、<a href="https://msft-watch.blog.mo-gmo.com/newsletter/" rel="noopener">ニュースレター</a>で月次まとめと公式情報の確認メモを受け取れます。
次に読むなら
参照した主な情報源
- GitHub Changelog「MAI-Code-1-Flash is now available for GitHub Copilot」
MAI-Code-1-Flash is now available for GitHub Copilot
- Microsoft AI「Introducing MAI-Code-1-Flash」
https://microsoft.ai/news/introducingmai-code-1-flash/
- Microsoft AI「MAI-Code-1-Flash」
https://microsoft.ai/models/mai-code-1-flash/
- Microsoft AI「MAI-Code-1-Flash Model Card」
https://microsoft.ai/pdf/MAI-Code-1-Flash-Model-Card.PDF
- GitHub Docs「Models and pricing for GitHub Copilot」
https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing
- GitHub Docs「Supported AI models in GitHub Copilot」
https://docs.github.com/en/copilot/reference/ai-models/supported-models
- Microsoft Official Blog「Microsoft Build 2026: Be yourself at work」
https://blogs.microsoft.com/blog/2026/06/02/microsoft-build-2026-be-yourself-at-work/
更新履歴と注記
- 2026年6月2日
モデルカード上のrelease dateとして確認されています。
- 2026年6月5日
編集注記でCopilot Studentが対象リストに追加されています。
- 2026年6月6日JST
本記事の確認日です。導入前にGitHub DocsとMicrosoft AIの公式ページを再確認したい内容です。
製品・サービス利用の確認メモであり、投資助言ではありません。
- 確認日: 2026年6月6日JST。対象プラン、モデル単価、対応クライアント、AI Credits allowanceは更新される可能性があるため、導入前にGitHub DocsとMicrosoft AIの公式ページを再確認したい。
- Microsoft Watch JapanはMicrosoft CorporationおよびGitHub, Inc.とは非提携の独立した情報整理サイトです。商標や製品名は各社に帰属します。
- 本記事は製品・サービス利用の確認メモであり、投資助言ではありません。