مایکروسافت در رویداد معرفی ویندوز و سرفیس خود در تاریخ ۷ اکتبر ۲۰۲۶، اعلام کرد که تا پایان ماه جاری، پشتیبانی از مدل‌های هوش مصنوعی محلی را برای GitHub Copilot معرفی خواهد کرد. این ویژگی به توسعه‌دهندگان امکان می‌دهد تا آزادانه یا به‌صورت خودکار بین مدل‌های ابری و دستگاهی جابه‌جا شوند.
برای رفع گلوگاه‌های حافظه و مصرف منابع در زمینه‌های طولانی در استنتاج لبه‌ای، مایکروسافت مدل کارآمد MAI Code1.1Flash Mixture of Experts (MoE) را معرفی کرد. این مدل در مجموع ۱۳۷ میلیارد پارامتر و ۶.۸ میلیارد پارامتر فعال دارد و با ترکیب فناوری‌های کوانتیزاسیون و رمزگشایی حدسی، مصرف حافظه را به طور قابل توجهی کاهش می‌دهد، در حالی که سرعت پاسخگویی رمزگذاری در دستگاه را بهبود می‌بخشد. این مدل ابتدا در سرفیس لپ‌تاپ اولترا جدید مجهز به سخت‌افزار NVIDIA RTX Spark ادغام شده است.
در کاربردهای عملی، کاربران می‌توانند حالت استنتاج را به‌طور مستقل از طریق GitHub Copilot CLI، برنامه Copilot و Visual Studio Code انتخاب کنند. آن‌ها می‌توانند به Copilot برای هماهنگی خودکار منابع اعتماد کنند یا فراخوانی مدل‌های محلی مانند MAI Code1.1Flash را از طریق ارائه‌دهندگان Windows ML یا نقاط پایانی سازگار OpenAI مشخص کنند. از نظر امنیتی، این سیستم Microsoft Executable Container (MXC) را که توسط تیم ویندوز ساخته شده است، ادغام می‌کند و از مکانیزم‌های ایزولاسیون کانتینر بومی هر سیستم عامل برای اطمینان از امنیت اجرای کد استفاده می‌کند.
این ارتقاء نشان‌دهنده تکامل سریع دستیاران کدنویسی هوش مصنوعی از وابستگی صرف به ابر به سمت یک معماری ترکیبی «ابر + لبه» است. این حرکت نه تنها آستانه استقرار مدل‌های محلی را ساده می‌کند، بلکه راه‌حل‌های اجرایی کارآمدتری را برای سناریوهای توسعه‌ای که نیاز به حریم خصوصی بالا و تأخیر کم دارند، فراهم می‌آورد.