
MAI Code 2 vs. Claude Opus 5.5: lo que omite la afirmación del 96 % por el 5 %
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 138 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 176 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 187 tok/s
La comparación entre MAI Code 2 y Claude Opus 5.5 contiene un dato que todo el mundo cita y nadie puede comprobar. Microsoft afirma que MAI Code 2 alcanza el 96 % del rendimiento de Opus 5.5 en cuatro benchmarks de programación a un 5 % del coste. Opus 5.5 está disponible de forma general desde el 22 de septiembre de 2026, cuenta con una tarifa publicada y ocupa el puesto 59 en el Índice de Inteligencia de Artificial Analysis. MAI Code 2 se lanzó el 17 de noviembre de 2026 con una tarifa propia y sin ninguna puntuación independiente: solo se puede invocar dentro de GitHub Copilot y en ningún otro sitio, y Artificial Analysis no tenía ninguna fila para él cuando se escribió esto. Así que la comparación honesta no son dos columnas de cifras. Es un modelo que se puede medir y otro para el que solo se tiene la palabra de Microsoft, además de una diferencia de precio lo bastante grande como para que esa palabra merezca tomarse en serio hasta que alguien lo ponga a prueba.
Las dos tarjetas de tarifas, antes de cualquier porcentaje.
Microsoft cobra MAI Code 2 por token a través de GitHub Copilot con facturación basada en el uso, a tarifas promocionales que vencen en una fecha publicada. Anthropic cobra Opus 5.5 por token a precio de lista, sin vencimiento.

• Entrada — MAI Code 2 a $0.50 por millón de tokens frente a Claude Opus 5.5 a $4.00; Opus cuesta 8× más por token de entrada
• Salida — $2.50 frente a $20.00 por millón; la misma brecha de 8×
• Entrada en caché — $0.025 frente a $0.20 por millón; de nuevo, 8×
• Después del 17 de mayo de 2027 — MAI Code 2 ajusta sus precios a $1.00 / $0.05 / $5.00, lo que reduce la brecha a 4× la entrada y 4× la salida
• Contexto — Opus 5.5 publicó un 1.000.000 redondo; MAI Code 2 publicó 1.050.000, lo que supone un 5 % más de ventana y no es más útil sin una recuperación que se sostenga en el extremo lejano.
• Salida máxima — 128.000 tokens en ambos
• Modalidad de entrada — Opus 5.5 acepta archivos junto con texto e imágenes; la ficha del modelo MAI Code 2 solo incluye texto e imágenes
• Disponibilidad de los pesos — no puedes descargar ninguno de los dos, por razones distintas: Opus 5.5 es propietario, y MAI Code 2 se vende solo como servicio alojado
Esa tabla es donde los dos modelos son realmente comparables, y arroja una relación de precios del 12,5 %, no del 5 %. La cifra del 5 % es un número de coste por tarea, que es una medición distinta: divide el gasto total entre las tareas completadas, así que absorbe cuántos tokens consume cada modelo al máximo esfuerzo de razonamiento. Un modelo que razona de forma más eficiente, o que simplemente se detiene antes, puede situarse en el 5 % mientras cobra el 12,5 % por token. La ficha del modelo confirma que todas las comparaciones se ejecutaron con el máximo esfuerzo, que es justo la configuración en la que más divergen los recuentos de tokens.
De qué se compone el 96 % y quién lo dirigió
Cuatro benchmarks quedan por debajo del 96 %: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas y FrontierCode v1.1. Tres de ellos provienen de MSBench, la plataforma de evaluación interna de Microsoft, ejecutada a través del GitHub Copilot CLI en la versión 1.0.102 con los subagentes desactivados. El cuarto, FrontierCode, son datos de Artificial Analysis. La propia model card de Microsoft ofrece las tasas de aprobación brutas con el máximo esfuerzo de razonamiento: 73,2 % en DeepSWE 1.1, 84,6 % en TerminalBench 2.1 y 43,1 % en SWE Atlas.
Lee esos tres números sin el marco de porcentajes y aparece una imagen distinta. SWE Atlas es el más débil de los tres con 43,1 %, y también es el benchmark del conjunto que no trata de corregir un error: evalúa la respuesta a preguntas sobre la base de código, la escritura de pruebas y el refactorizado tanto con rúbricas como con comprobaciones programáticas. Un modelo ajustado para «cambios de código que los mantenedores aceptarían» puede ir bien en pruebas de resolución de incidencias y aun así ser mediocre explicando una base de código. Microsoft no publica el desglose por benchmark frente a Opus 5.5, solo el promedio, así que no hay forma de ver cuál de los cuatro está sosteniendo el 96 % y cuál lo está arrastrando.
Las propias cifras de proveedor de Opus 5.5 apuntan en una dirección similar desde el otro lado. El material de lanzamiento de Anthropic reportó Terminal-Bench 4.0 con un 66,4% y GDPval-AA v2.1 con 1.846 Elo. Esas también son cifras reportadas por el proveedor, tampoco reproducidas por el arnés de Microsoft, y sobre una versión de benchmark completamente distinta: Terminal-Bench 4.0 frente a la 2.1 de Microsoft. Que dos proveedores citen versiones diferentes de la misma familia de pruebas no es una comparación. Son dos anuncios enfrentados.
Lo que un evaluador independiente realmente dice sobre Opus 5.5
Opus 5.5 es uno de los pocos modelos de este segmento con un historial completo de evaluaciones independientes. Artificial Analysis lo sitúa en 59 en el Intelligence Index v5.0.1, un compuesto de nueve evaluaciones que abarca desde Terminal-Bench 4.0, pasando por FrontierCode-AA 2.0, hasta Terminal-Bench-Science 0.1. Las cifras de respaldo son las que conviene tener en cuenta para planificar: 10,04 dólares por tarea del índice, 24,5 minutos por tarea, 118 tokens por segundo de salida y 358 segundos hasta el primer token de respuesta.

Dos de esos números importan más que la puntuación. El tiempo de 358 segundos hasta el primer token de respuesta es lo que experimenta un usuario que mira un indicador de carga, y los 24,5 minutos por tarea es el tiempo real que cuesta una ejecución larga de un agente. Opus 5.5 no es un modelo rápido; es uno minucioso. Un competidor más barato no tiene que igualar el 96 % de su precisión para ganar una carga de trabajo; solo tiene que ser suficientemente bueno en la tarea específica y considerablemente más rápido o más barato en el margen. Ese es todo el argumento a favor de un modelo de precio-rendimiento, y Microsoft lo está presentando sin la evidencia independiente que lo zanjaría.
Dónde aún no puede llegar MAI Code 2
Esta es la parte que el porcentaje oculta. MAI Code 2 se distribuye dentro de GitHub Copilot, en todos los planes de pago, desde Pro hasta Enterprise, en cada editor al que GitHub se extiende. Eso es un amplio conjunto de superficies y la infraestructura de un único proveedor. No hay una implementación en Foundry para el modelo grande en el lanzamiento; solo MAI Code 2 Flash tiene una versión preliminar en Foundry, a través de una API Responses compatible con OpenAI. Microsoft dice que habrá más disponibilidad, no da ninguna fecha y no distribuye los pesos.
Opus 5.5, en cambio, está en la propia API de Anthropic y en tres nubes principales, con un ID de modelo, un plazo mínimo de retirada publicado y una política de snapshots documentada. Si tu trabajo se desarrolla dentro de Copilot, la comparación es real hoy mismo. Si se desarrolla en tu propio framework de agentes, en tu canalización de CI o en una pila de varios proveedores, uno de los lados de esta comparación es una nota de prensa.
El reparto de la carga de trabajo que realmente lo decide
La reparación empresarial rutinaria —correcciones que se pueden fusionar, ediciones en varios archivos, depuración profunda dentro de un repositorio conocido— es la tarea para la que Microsoft lo diseñó y le puso precio. Con un 12,5 % de la tarifa por token de Opus hoy en día, incluso un modelo que necesita un segundo intento para alcanzar la misma tasa de éxito puede salir más barato por tarea finalizada.
• El trabajo agéntico de horizonte largo es justo donde Microsoft afirma que el modelo no está ajustado, tanto en el anuncio como de nuevo en la ficha del modelo. Todo el posicionamiento de Opus 5.5 gira en torno a esa carga de trabajo, y sus 1.846 de Elo en GDPval-AA es la cifra con la que Anthropic eligió encabezar.
• Códigos base no ingleses — no se trata de una inferencia, sino de una línea en la ficha del modelo: producción de código solo en inglés en el lanzamiento, con los idiomas menos comunes explícitamente infraevaluados. Opus 5.5 no incluye una advertencia equivalente.
• Cualquier cosa que realice una acción con consecuencias sin intervención humana queda fuera del alcance en ambos lados, pero Microsoft lo afirma explícitamente para MAI Code 2 y solicita flujos de trabajo agénticos supervisados.
• Un contexto superior a un millón de tokens es un empate en la práctica. Ambos afirman tener aproximadamente un millón; no se debería confiar en ninguno de los dos números como presupuesto de trabajo sin probar la recuperación en el extremo lejano.
Llevando ambos lados del libro mayor
Claude Opus 5.5 está en el catálogo de OrcaRouter a $4.00 de entrada y $20.00 de salida por millón de tokens, precio de lista del proveedor trasladado con un margen del 0%, por lo que un cambio de precio del proveedor llega a tu factura el día en que ocurre en lugar del día en que un revendedor actualiza una hoja. Eso importa más de lo habitual en una comparación como esta, porque el precio de MAI Code 2 se duplica el 17 de mayo de 2027; la proporción que evalúas hoy no es la proporción que pagarás en junio.

MAI Code 2 no está en nuestro catálogo, y la única vía publicada para acceder a él es GitHub Copilot. Si Microsoft abre un endpoint de Foundry para el modelo grande, el primer paso sensato no es una migración, sino una prueba en la sombra: mantener Opus 5.5 en la ruta que importa, dirigir el modelo barato a las tareas para las que ya conoces la respuesta y comparar el coste por tarea finalizada en lugar del precio por token. Esa es la forma de decisión para la que existe la conmutación automática por error — un modelo nuevo y no probado en una fracción del tráfico, con uno probado detrás si el lado barato se atasca.
El veredicto que resiste la evidencia: Opus 5.5 es el modelo que conviene conservar para el trabajo que nadie quiere rehacer, y MAI Code 2 es el modelo que hay que probar en el trabajo que se ejecuta todos los días. El 96 % de Microsoft bien podría sostenerse en el propio entorno de pruebas de Copilot. No se ha probado en ningún sitio que pueda contradecirlo y, hasta que se pruebe, el 5 % es una afirmación y el 12,5 % es una tarifa de catálogo.
