
MAI Code 2 vs GPT-6.1 Sol: Microsoft se comparó con un modelo obsoleto
- 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 frase más citada del anuncio de Ignite de Microsoft es que MAI Code 2 ofrece el 98% del rendimiento en programación de GPT-6.1 Sol a un 40% del coste. Es una buena frase. También nombra un modelo que Artificial Analysis ya ha marcado como obsoleto, reemplazado dentro de la propia línea de OpenAI por GPT-6.2 Sol, y ese es el detalle que reencuadra toda la comparación: Microsoft eligió el punto de referencia, y el punto de referencia ya no es el que hay que superar. MAI Code 2 se lanzó el 17 de noviembre de 2026 con una tarifa promocional de $0.50 por millón de tokens de entrada y $2.50 por millón de salida. GPT-6.1 Sol cuesta $2.00 y $10.00 y obtiene 55 en el índice independiente. Ninguno de esos hechos hace falsa la afirmación del 98%. Hacen que sea una comparación contra un modelo que está en retirada, lo cual es distinto de una comparación contra la frontera.
Las tarjetas de tarifas y el aviso de obsolescencia
• Precio por millón de tokens — GPT-6.1 Sol cobra $2.00 por entrada y $10.00 por salida sin caducidad; MAI Code 2 cobra $0.50 y $2.50 hasta el 17 de mayo de 2027, y luego $1.00 y $5.00
• Entrada en caché — $0.10 frente a $0.025, una diferencia de 4× que se mantiene tras ambos cambios de precio
• Prompts largos: no hay ningún nivel publicado en MAI Code 2; GPT-6.1 Sol vuelve a tarificar todo lo que supere los 272.000 tokens de entrada a 2× la entrada y 1,5× la salida, por lo que una solicitud de 300K tokens cuesta más por token de lo que sugiere su tarifa anunciada.
• Contexto — 1.050.000 tokens en ambos, con un máximo de salida de 128.000 en ambos
• Modalidad de entrada — GPT-6.1 Sol lee archivos, además de texto e imágenes; la ficha del modelo de MAI Code 2 declara texto e imágenes y ahí se queda
• Estado del ciclo de vida: MAI Code 2 es completamente nuevo; GPT-6.1 Sol está marcado como obsoleto por Artificial Analysis, que ahora lo evalúa cada 18 horas en lugar de cada 6
Esa última línea es la que un comprador debería sopesar con más cuidado. Un modelo obsoleto no está descontinuado —sigue respondiendo y sigue facturando a precio de lista—, pero su cadencia de evaluación se ha ralentizado y su proveedor ha seguido adelante. Construir un modelo de costes en torno a un modelo en ese estado significa construirlo en torno a una cifra que no se actualizará.
Sobre qué se mide el 98 % y por qué importa el punto de referencia

Quitando el encuadre, el 98% es un promedio de cuatro tasas de aprobación, tres de las cuales las generó Microsoft mismo. DeepSWE 1.1, Terminal Bench 2.1 y SWE Atlas pasaron por MSBench, la plataforma interna de Microsoft, mediante GitHub Copilot CLI en la versión 1.0.102, con los subagentes desactivados y cada modelo con el máximo esfuerzo. Las puntuaciones y los costos de FrontierCode provinieron de Artificial Analysis. Lo que Microsoft no publica es el desglose: la ficha ofrece las cifras propias de MAI Code 2 —73.2%, 84.6%, 43.1%— y un promedio frente a GPT-6.1 Sol, sin una línea que muestre qué benchmark sostuvo el promedio y cuál lo arrastró.
Un promedio oculta la forma de un resultado, y la forma importa. SWE Atlas, con un 43,1 %, es el más débil de los tres números públicos, y también es el que evalúa la respuesta a preguntas sobre el código, la escritura de pruebas y la refactorización en lugar de la resolución de incidencias. FrontierCode, el único componente de origen independiente, es uno de cuatro. Un modelo que está a la par en los benchmarks de corrección de errores y por detrás en refactorización puede promediar un 98 % y aun así ser la herramienta equivocada para una refactorización.
El otro titular de Microsoft es un estudio de preferencias en lugar de una tasa de aprobación: en una evaluación ciega lado a lado de trabajo de front-end en interfaces, juegos, visualizaciones de datos, escenas 3D y gráficos SVG, 258 anotadores prefirieron la salida de MAI Code 2 a la de GPT-6 Sol el 64 % de las veces. Fíjate en el modelo nombrado ahí —GPT-6 Sol, no 6.1— y ten en cuenta que una preferencia por cómo se ve la interfaz de usuario generada no es una medida de si funciona.
Lo que dice el registro independiente sobre GPT-6.1 Sol
GPT-6.1 Sol tiene algo que MAI Code 2 no tiene: un perfil de terceros. Artificial Analysis le otorga 55 en el Intelligence Index v5.0.1, el mismo compuesto de nueve evaluaciones con el que se mide a todos los demás de esta categoría, y registra 1,27 USD por tarea del índice, 23,3 minutos por tarea, 145 segundos hasta el primer token de respuesta y 49 tokens por segundo de salida.

Dentro de la propia línea de OpenAI, el panorama ha cambiado. GPT-6.2 Sol obtiene 57 a $1.01 por tarea, así que el modelo contra el que Microsoft hizo la comparación ha sido tanto superado como dejado atrás en precio por su propio sucesor. Eso no es un argumento contra MAI Code 2: que un modelo más barato supere a uno más antiguo y más caro es exactamente lo que se supone que debe hacer un lanzamiento de precio-rendimiento. Es un argumento contra tratar el 98% como una descripción de la frontera actual. El planteamiento honesto es que Microsoft igualó a un modelo fuerte de la generación anterior al 40% de su precio, y aún no ha demostrado cómo se comporta frente al que se está lanzando ahora.
Dónde van los tokens, que es donde radica la verdadera diferencia
El 40 % de Microsoft es una cifra de coste por tarea, no una relación de precios. La relación de precios es del 25 %: $0.50 frente a $2.00 de entrada, y $2.50 frente a $10.00 de salida. Para que la relación de costes se sitúe en el 40 % mientras que la relación de precios se sitúa en el 25 %, MAI Code 2 tiene que estar gastando más tokens por tarea que GPT-6.1 Sol, aproximadamente 1,6 veces más según mis cálculos con las dos relaciones publicadas. Eso es una inferencia, no una afirmación de Microsoft, y las tarifas combinadas de entrada/salida hacen que sea aproximado.
A continuación, dos consecuencias. Primera: MAI Code 2 es más barato por tarea finalizada, pero no más barato por token en el sentido que sugiere el titular, de modo que cualquier carga de trabajo valorada por token en lugar de por tarea verá un ahorro menor que el 60 %. Segunda: el comportamiento ávido de tokens interactúa mal con la escala de esfuerzo de razonamiento: ambos modelos exponen niveles de esfuerzo, ambos se evaluaron con el esfuerzo máximo, y un equipo que trabaje con el esfuerzo máximo en cualquiera de los dos lados paga dos veces por los tokens de pensamiento. Bajar a un nivel de esfuerzo inferior en el trabajo rutinario suele suponer un ahorro mayor que cambiar de modelo.
Acceso: uno es una API, el otro es una función de suscripción
GPT-6.1 Sol es invocable en la API de OpenAI con un ID de modelo, una política de instantáneas documentada, una fecha de corte de conocimiento del 30 de abril de 2026 y compatibilidad con herramientas, salidas estructuradas, formato de respuesta y seed. También está en ChatGPT Work y Codex en los planes Plus, Pro, Business, Enterprise y Edu.
MAI Code 2 es una función de Copilot, no una API. Se accede a ella mediante una suscripción de GitHub —desde Pro hasta Enterprise— y con el cliente que ya uses, desde VS Code hasta Xcode. No está en Microsoft Foundry; solo MAI Code 2 Flash tiene una vista previa en Foundry, a través de una API de Responses compatible con OpenAI. No hay ningún endpoint publicado para MAI Code 2 en sí, ni fecha para uno, ni distribución de pesos bajo ninguna licencia.
Para un equipo cuyo código vive en GitHub y cuyos desarrolladores ya trabajan en Copilot, esa es una buena respuesta y, podría decirse, mejor que una clave de API. Para un bot de CI, un framework de agentes interno, un pipeline de revisión de código o cualquier cosa con su propia orquestación, GPT-6.1 Sol es un modelo al que se puede llamar y MAI Code 2 no.
¿Cuál elegir?
• Trabajo de desarrollo nativo de Copilot, sensible a los costos, de alto volumen — MAI Code 2 a $0.50 y $2.50, y MAI Code 2 Flash a $0.05 y $0.25 para el nivel rutinario, son la opción más económica por un amplio margen.
• Integración de aplicaciones, agentes o CI — GPT-6.1 Sol, porque tiene una API. MAI Code 2 tiene una suscripción.
• Cualquier cosa por encima de 272.000 tokens por solicitud — el nivel de prompts largos de GPT-6.1 Sol duplica la tarifa de entrada, lo que erosiona aún más su posición de precio; MAI Code 2 no publica un nivel equivalente, lo que constituye una laguna en la documentación más que una promesa de que no exista dicho nivel.
• Escribir código en algo que no sea inglés — la ficha del modelo lo descarta en el lanzamiento para {{1}}MAI Code 2{{/1}}; OpenAI no impone ninguna restricción de ese tipo a {{2}}GPT-6.1 Sol{{/2}}
• Trabajo autónomo de horizonte largo: Microsoft afirma explícitamente que MAI Code 2 no está ajustado para trabajo agéntico de horizonte muy largo y no está pensado para acciones de consecuencias importantes sin supervisión. El posicionamiento de GPT-6.1 Sol es más amplio, aunque su propia depreciación es un motivo para considerar mejor GPT-6.2 Sol.
Valorar la comparación en una sola clave

GPT-6.1 Sol está en OrcaRouter al precio de lista del proveedor y sin recargo — 2,00 $ de entrada y 10,00 $ de salida por millón de tokens — y también lo están Claude Opus 5.5 y Gemini 4 Carbon, todos con una sola clave. GPT-6.2 Sol aún no está en el catálogo, así que la cuestión del sucesor no se puede resolver aquí; lo que sí se puede hacer es valorar honestamente el coste de la retirada de 6.1 Sol y vigilar la factura por tarea en lugar de asumir que el modelo más nuevo es el más caro. No lo es: en Artificial Analysis, 6.2 Sol cuesta 1,01 $ por tarea de índice frente a 1,27 $ de 6.1.
MAI Code 2 no está en nuestro catálogo; la única vía publicada es GitHub Copilot. Si Microsoft abre un endpoint de Foundry para el modelo grande, el primer experimento útil no es un cambio, sino una división: MAI Code 2 en el tráfico de reparaciones cotidianas, donde su ventaja de precio es mayor, un modelo frontera medido en los refactorizados y el trabajo de horizonte largo, y conmutación por error automática por debajo para que un modelo no probado nunca se convierta en un punto único de fallo. Vale la pena probar el 40 %. Vale la pena probar el 98 % por separado, en tus propios repositorios, antes de que nadie planifique una migración basándose en ello.
