Generierte Vergleichskarte, die MAI Code 2 mit 0,50 USD Eingabe und 2,50 USD Ausgabe pro Million Tokens gegen Claude Opus 5.5 mit 4,00 USD und 20,00 USD zeigt, wobei die Angaben zu 96 Prozent Leistung und 5 Prozent Kosten als vom Anbieter gemeldet gekennzeichnet sind.
Guides & Insights

MAI Code 2 vs. Claude Opus 5.5: Was die 96-%-für-5-%-Behauptung verschweigt

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Der Vergleich zwischen MAI Code 2 und Claude Opus 5.5enthält eine Zahl, die alle zitieren und niemand überprüfen kann. Microsoft sagt, MAI Code 2 erreiche 96 % der Leistung von Opus 5.5 über vier Coding-Benchmarks bei 5 % der Kosten. Opus 5.5 ist seit dem 22. September 2026 allgemein verfügbar, hat eine veröffentlichte Preisliste und liegt bei 59 im Artificial Analysis Intelligence Index. MAI Code 2 wurde am 17. November 2026 mit eigener Preisliste veröffentlicht und hat überhaupt keinen unabhängigen Wert – es ist nur innerhalb von GitHub Copilot aufrufbar und sonst nirgends, und Artificial Analysis hatte zum Zeitpunkt dieses Textes keine Zeile dafür. Der ehrliche Vergleich sind also nicht zwei Zahlenspalten. Es ist ein Modell, das man messen kann, und ein Modell, für das man sich nur auf Microsofts Wort verlassen kann, plus ein Preisunterschied, der groß genug ist, dass es sich lohnt, dieses Wort ernst zu nehmen, bis jemand es testet.

Die beiden Tarifkarten, vor jeglichen Prozentangaben

Microsoft rechnet MAI Code 2 pro Token über GitHub Copilot im Rahmen einer nutzungsbasierten Abrechnung zu Aktionspreisen ab, die an einem veröffentlichten Datum auslaufen. Anthropic rechnet Opus 5.5 pro Token zum Listenpreis ab, ohne Ablaufdatum.

Side-by-side rate card comparing MAI Code 2 at $0.50 input, $2.50 output and $0.025 cached input per million tokens with Claude Opus 5.5 at $4.00, $20.00 and $0.20, showing an 8x gap that narrows to 4x after 17 May 2027.

• Eingabe – MAI Code 2 zu 0,50 $ pro Million Token im Vergleich zu Claude Opus 5.5 zu 4,00 $; Opus kostet 8× mehr pro Eingabe-Token

• Ausgabe — 2,50 $ vs. 20,00 $ pro Million; die gleiche 8-fache Lücke

• Zwischengespeicherte Eingabe — 0,025 $ vs. 0,20 $ pro Million; wieder 8×

• Nach dem 17. Mai 2027 – MAI Code 2 ändert die Preise auf 1,00 $ / 0,05 $ / 5,00 $, was die Lücke auf 4× Input und 4× Output verringert

• Kontext — Opus 5.5 gab eine runde 1.000.000 an; MAI Code 2 gab 1.050.000 an, was 5 % mehr Fenster bedeutet und ohne Retrieval, das am fernen Ende standhält, nicht nützlicher ist.

• Maximale Ausgabe — 128.000 Tokens auf beiden

• Eingabemodalität — Opus 5.5 akzeptiert Dateien neben Text und Bildern; die Modellkarte von MAI Code 2 führt nur Text und Bilder auf

• Verfügbarkeit der Gewichte — Sie können keines der beiden herunterladen, aus unterschiedlichen Gründen: Opus 5.5 ist proprietär, und MAI Code 2 wird nur als gehosteter Dienst verkauft

Diese Tabelle ist der Punkt, an dem die beiden Modelle wirklich vergleichbar sind, und sie ergibt ein Preisverhältnis von 12,5 %, nicht 5 %. Die 5-%-Zahl ist ein Kosten-pro-Aufgabe-Wert, eine andere Messgröße: Sie teilt die Gesamtausgaben durch die erledigten Aufgaben und berücksichtigt damit, wie viele Tokens jedes Modell bei maximalem Denkaufwand verbraucht. Ein Modell, das effizienter denkt oder einfach früher aufhört, kann bei 5 % landen, während es 12,5 % pro Token berechnet. Die Modellkarte bestätigt, dass alle Vergleiche bei maximalem Aufwand durchgeführt wurden, also genau in der Einstellung, in der die Tokenzahlen am stärksten auseinandergehen.

Woraus die 96 % bestehen und wer sie durchgeführt hat

Vier Benchmarks liegen unter den 96 %: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas und FrontierCode v1.1. Drei davon stammen aus MSBench, Microsofts interner Evaluierungsplattform, ausgeführt über die GitHub Copilot CLI in Version 1.0.102 mit deaktivierten Subagenten. Das vierte, FrontierCode, sind Daten von Artificial Analysis. Microsofts eigene Modellkarte gibt die rohen Bestehensquoten bei maximalem Reasoning-Aufwand an: 73,2 % bei DeepSWE 1.1, 84,6 % bei TerminalBench 2.1 und 43,1 % bei SWE Atlas.

Liest man diese drei Zahlen ohne die Prozent-Einrahmung, ergibt sich ein anderes Bild. SWE Atlas ist mit 43,1 % der schwächste der drei und zugleich der Benchmark im Set, bei dem es nicht um das Beheben eines Bugs geht: Er bewertet Codebase-Fragebeantwortung, das Schreiben von Tests und Refactoring sowohl anhand einer Rubrik als auch mit programmatischen Prüfungen. Ein Modell, das auf „Änderungen, die Maintainer mergen würden“ abgestimmt ist, kann bei Issue-Resolution-Tests gut abschneiden und trotzdem nur mittelmäßig darin sein, eine Codebase zu erklären. Microsoft veröffentlicht die Aufschlüsselung nach Benchmark gegenüber Opus 5.5 nicht, nur den Durchschnitt, daher lässt sich nicht erkennen, welcher der vier die 96 % trägt und welcher sie nach unten zieht.

Die eigenen Herstellerzahlen von Opus 5.5 deuten von der anderen Seite in eine ähnliche Richtung. Anthropics Material zur Markteinführung meldete Terminal-Bench 4.0 mit 66,4 % und GDPval-AA v2.1 mit 1.846 Elo. Auch diese stammen vom Hersteller, wurden ebenfalls nicht mit Microsofts Harness reproduziert und beziehen sich auf eine ganz andere Benchmark-Version – Terminal-Bench 4.0 gegenüber Microsofts 2.1. Wenn zwei Anbieter unterschiedliche Versionen derselben Testfamilie nennen, ist das kein Vergleich. Es sind zwei Werbeanzeigen, die einander gegenüberstehen.

Was ein unabhängiger Gutachter wirklich über Opus 5.5 sagt

Opus 5.5 ist eines der wenigen Modelle in diesem Segment mit vollständiger Drittanbieter-Datenlage. Artificial Analysis führt es mit 59 auf dem Intelligence Index v5.0.1, einem zusammengesetzten Index aus neun Bewertungen, der von Terminal-Bench 4.0 über FrontierCode-AA 2.0 bis Terminal-Bench-Science 0.1 reicht. Die begleitenden Werte sind die, mit denen man planen sollte: 10,04 US-Dollar pro Index-Aufgabe, 24,5 Minuten pro Aufgabe, 118 Token pro Sekunde Ausgabe und 358 Sekunden bis zum ersten Antwort-Token.

Screenshot of the Artificial Analysis page for Claude Opus 5.5 showing an Intelligence Index of 59, $4.00 input and $20.00 output per million tokens, $10.04 per index task, 24.5 minutes per task, 118 output tokens per second and a 1M-token context window.

Zwei dieser Zahlen sind wichtiger als der Score. Die 358 Sekunden bis zum ersten Antwort-Token sind das, was ein Nutzer erlebt, der auf einen Spinner starrt, und die 24,5 Minuten pro Aufgabe sind die tatsächlich vergehende Zeit, die ein langer Agentenlauf kostet. Opus 5.5 ist kein schnelles Modell; es ist ein gründliches. Ein günstigerer Konkurrent muss nicht 96 % von dessen Genauigkeit erreichen, um eine Arbeitslast zu gewinnen – er muss nur bei der konkreten Aufgabe gut genug und an der entscheidenden Stelle deutlich schneller oder günstiger sein. Das ist das ganze Argument für ein Preis-Leistungs-Modell, und Microsoft bringt es vor, ohne die unabhängigen Belege, die es klären würden.

Wo MAI Code 2 noch nicht hingehen kann

Das ist der Teil, den die Prozentangabe verbirgt. MAI Code 2 wird innerhalb von GitHub Copilot ausgeliefert, in jeder kostenpflichtigen Stufe von Pro bis Enterprise, in jedem Editor, in den GitHub hineinreicht. Das ist eine breite Palette an Oberflächen und die technische Infrastruktur eines einzigen Anbieters. Zum Start gibt es keine Foundry-Bereitstellung für das große Modell; nur MAI Code 2 Flash hat eine Foundry-Vorschau, über eine OpenAI-kompatible Responses-API. Microsoft sagt, weitere Verfügbarkeit sei geplant, nennt kein Datum und gibt keine Modellgewichte heraus.

Opus 5.5 hingegen läuft über Anthropics eigene API und drei große Cloud-Anbieter – mit Modell-ID, veröffentlichtem Mindestdatum für die Außerdienststellung und dokumentierter Snapshot-Richtlinie. Wenn Ihre Arbeit in Copilot stattfindet, ist dieser Vergleich heute bereits Realität. Wenn sie in Ihrem eigenen Agent-Framework, Ihrer CI-Pipeline oder einem Multi-Vendor-Stack stattfindet, ist eine Seite dieses Vergleichs eine Pressemitteilung.

Die Arbeitsaufteilung, die tatsächlich den Ausschlag gibt

• Routinemäßige Reparatur im Unternehmensumfeld – zusammenführbare Korrekturen, Bearbeitungen über mehrere Dateien hinweg, tiefgehendes Debugging in einem bekannten Repository – ist die Aufgabe, für die Microsoft gebaut und bepreist hat. Bei 12,5 % des heutigen Pro-Token-Preises von Opus kann selbst ein Modell, das einen zweiten Versuch benötigt, um dieselbe Erfolgsquote zu erreichen, pro abgeschlossener Aufgabe günstiger sein.

• Agentische Arbeit mit langem Zeithorizont ist der Bereich, in dem {{1}}Microsoft{{/1}} sagt, dass das Modell nicht darauf abgestimmt ist – in der Ankündigung und erneut in der Modellkarte. Die gesamte Positionierung von {{2}}Opus 5.5{{/2}} zielt auf genau diese Arbeitslast, und seine 1.846 Elo auf GDPval-AA sind die Zahl, mit der {{3}}Anthropic{{/3}} vorangehen wollte.

• Nicht-englische Codebasen – keine Schlussfolgerung, sondern eine Zeile in der Modellkarte: Codeerstellung zum Release nur auf Englisch, wobei weniger verbreitete Sprachen ausdrücklich zu wenig evaluiert wurden. Opus 5.5 enthält keinen vergleichbaren Vorbehalt.

• Alles, was eine folgenreiche Aktion ohne einen Menschen im Regelkreis ausführt, ist auf beiden Seiten außerhalb des Geltungsbereichs, aber Microsoft sagt dies für MAI Code 2 ausdrücklich und fordert überwachte agentische Workflows.

• Ein Kontext von über einer Million Token ist in der Praxis ein Unentschieden. Beide beanspruchen ungefähr eine Million; keiner der beiden Werte sollte ohne Test des Abrufs am äußersten Ende als Arbeitsbudget vertraut werden.

Beide Seiten des Hauptbuchs führen

Claude Opus 5.5 ist im Katalog von OrcaRouter für $4.00 Eingabe und $20.00 Ausgabe pro Million Tokens, der Listenpreis des Anbieters wird mit 0 % Aufschlag durchgereicht, sodass eine Preisänderung des Anbieters Ihre Rechnung an dem Tag erreicht, an dem sie erfolgt, und nicht erst an dem Tag, an dem ein Wiederverkäufer eine Preisliste aktualisiert. Das ist in einem Vergleich wie diesem wichtiger als üblich, weil sich der Preis von MAI Code 2 selbst am 17. Mai 2027 verdoppelt – das Verhältnis, das Sie heute bewerten, ist nicht das Verhältnis, das Sie im Juni zahlen werden.

Screenshot of OrcaRouter's Claude Opus 5.5 model page listing the $4.00 input and $20.00 output per million token rates, a 1M-token context, 128K maximum output and zero data retention availability.

MAI Code 2 ist nicht in unserem Katalog, und der einzige veröffentlichte Weg dorthin ist GitHub Copilot. Wenn Microsoft einen Foundry-Endpunkt für das große Modell öffnet, ist der sinnvolle erste Schritt keine Migration, sondern ein Schattenlauf: Opus 5.5 auf dem Pfad belassen, der zählt, das günstige Modell auf die Aufgaben ansetzen, deren Antwort Sie bereits kennen, und die Kosten abgeschlossener Aufgaben vergleichen statt den Tokenpreis. Das ist die Entscheidungsform, für die automatisches Failover da ist – ein neues, unerprobtes Modell auf einem Bruchteil des Traffics, mit einem erprobten dahinter, falls die günstige Seite ins Stocken gerät.

Das Urteil, das die Beweislage übersteht: Opus 5.5 ist das Modell, das man für die Arbeit behalten sollte, die niemand erneut erledigen will, und MAI Code 2 ist das Modell, das man an der Arbeit testen sollte, die jeden Tag läuft. Microsofts 96 % mögen in Copilots eigener Testumgebung durchaus Bestand haben. Es wurde nirgends getestet, wo man ihm widersprechen könnte, und bis dahin sind die 5 % eine Behauptung und die 12,5 % eine Preisliste.