凌晨一点，你在公司内网改一段支付逻辑。Copilot 弹出补全提示，你的手停在键盘上，冒出一个念头：这段代码，是不是已经被传到云端了。
这个念头，本月底前可能有个开关。
微软在旧金山开了一场发布会。台上宣布，GitHub Copilot 将在本月底前支持本地 AI 模型推理，开发者可以在云端模型和设备端模型之间自动或手动切换。发布会的时间是太平洋时间 10 月 7 日上午 10 点，对应北京时间 10 月 8 日凌晨 1 点。
现在的 Copilot，全靠云端
先说一下它原来怎么工作。
GitHub Copilot 是微软的 AI 编程助手，能装进 Visual Studio Code、CLI 等工具，根据代码上下文做补全、解释和重构建议。它目前依赖云端托管的模型，后台有个协调器，按性能、成本和准确性去决定把请求路由到哪里。问题也就出在这儿：模型再强，离你的代码太远，断网、内网、合规审查，随便一条都能让它停摆。
两种模式：让它自己选，或者你手动锁死
按发布会的说法，本月底扩展这套机制之后，Copilot 可以自动在云端模型和本地模型之间做选择，也可以强制只走设备端。想手动的人，可以在 GitHub Copilot CLI、Copilot 应用和 Visual Studio Code 里设置自己的偏好。本地模型这边，可以指定提供程序、模型或者端点。
开发者在 Windows ML 里选 MAI Code 1.1 Flash，也可以接一个 OpenAI 兼容的本地端点，用那个端点暴露出来的模型。发布会现场，微软高级技术项目经理凯拉 · 辛纳蒙演示了一遍：Copilot 自己挑了本地模型，没有一股脑把请求丢给云端。
1370 亿参数，为什么只叫醒 68 亿
这次一起亮相的，是一个叫 MAI Code 1.1 Flash 的模型。
它属于「混合专家」这一路，总参数 1370 亿，活跃参数 68 亿。这两个数字放一起容易看懵，可以这么理解：模型不必每次把全部参数都拉起来跑，按任务挑一部分用就行。总量决定它能懂多少，活跃量决定这一次费多大劲。它的另一面出现在 Windows 11 上：微软计划把这个模型引进系统，采用 3-bit 量化，体积缩小了 80%，上下文窗口做到 256K。
相比 6 月那版，MAI-Code 1.1-Flash 在 GitHub Copilot CLI 的 Terminal-Bench 2.1 上提升约 22%，.NET 任务上提升约 15%；输出 token 的流速提高约 25%，完成同一个任务消耗的 token 减少约 25%。还多了一项：6 月那版只认文本，这一版能读图了，可以直接看截图、架构图、UI 草图，照着写代码。
笔记本上的实测数字
最实在的还是这组。
在 Surface Laptop Ultra 上，提示长度从 2K 到 256K token，解码吞吐保持在每秒 40 到 63 个词元。2K 的时候是 63，拉到 256K 还有 40。这条曲线没有塌下去，长上下文下也没崩。对写代码的人来说，这个数字意味着本地推理不再是「能跑但没法用」。
「混合智能」，是在分家产
发布会上还端出一个词，混合智能（hybrid intelligence）。
微软的表述是，Windows AI 不再局限于单一的云端调用或者设备端运行，而是根据任务类型、设备性能和安全需求，在两者之间协同。隐私敏感、需要快速响应的任务更多交给本地；复杂模型和高算力需求交给云端。配套的还有执行容器这类受控运行环境，让 AI 智能体拿到必要权限后，去执行更复杂的操作。换个说法就是分工：轻活、私活留在本地，重活、费算力的活送云端。
我那点看法
我不想把它吹成什么革命。
方向早就摆在那儿了。苹果在做端侧，高通在做端侧，一堆开源模型也在往端侧挤。微软这次的动作，是把「本地」从备选提到了台面上。
它写进 PPT 的是一句承认：云端不万能，本地也不落后，重点是什么时候用哪个。
本地推理也有它的代价，这部分我没看到完整数据。跑多大的模型、吃多少内存、耗不耗电、老机器上什么表现，发布会给的是一台 Surface Laptop Ultra 的数字，换台普通笔记本未必是同一个结果。
但有一点值得记住。过去两年，AI 的能力一直在往「更强」的方向卷。这次难得有个动作，是往「更近」走的。
你更愿意让 AI 跑在本地，还是跑在云端？说说你的理由。