
MAI Code 2 vs Kimi K3.1 Pro: uno publica una cifra, el otro publica un descuento
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 180 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 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 · 98 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 · 79 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 · 118 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 · 94 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
MAI Code 2 salió a la venta el 17 de noviembre de 2026 con un precio y sin puntuación. Kimi K3.1 Pro, que Moonshot AI anunció el 24 de octubre de 2026 y abrió el 4 de noviembre, llega con ambas cosas: 2,00 $ por millón de tokens de entrada y una lectura independiente del Intelligence Index de 46. Esa asimetría, y no una tabla de benchmarks, es de lo que trata esta comparación. La publicación de lanzamiento de Microsoft nombra cuatro benchmarks de programación —DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas y FrontierCode v1.1— y luego publica ratios en lugar de resultados: el 96 % del rendimiento de Claude Opus 5.5 a un 5 % del coste, el 98 % del de GPT-6.1 Sol al 40 %, promediado entre los cuatro. Moonshot publica un porcentaje real sobre un benchmark real, y Artificial Analysis ejecuta su propio harness sobre eso. Un lado te entrega un descuento que puedes verificar al céntimo y una afirmación de capacidad que no puedes comprobar en absoluto. El otro te entrega un número con el que puedes discutir.
Ambos están alojados. Solo uno se puede descargar. Resulta que eso importa más que la diferencia de precio de cuatro veces.
Lo que Microsoft publicó y lo que omitió
La publicación de lanzamiento es específica sobre el método y guarda silencio sobre los resultados, una combinación inusual que merece una lectura atenta. Se nombran los cuatro benchmarks. Tres de ellos —DeepSWE 1.1, Terminal Bench 2.1 y SWE-Atlas— se ejecutaron en MSBench, la plataforma de evaluación interna de Microsoft, mediante GitHub Copilot CLI con los subagentes desactivados y todos los modelos con el máximo esfuerzo de razonamiento. Las puntuaciones y los costos de FrontierCode provienen de Artificial Analysis, lo que lo convierte en el único componente del promedio que Microsoft no produjo por sí misma. Los costos se citan con el precio promocional del 50% del modelo.
Luego, los resultados: dos ratios y una proporción de preferencia. El 96 % del rendimiento de Claude Opus 5.5 a un 5 % del coste. El 98 % del de GPT-6.1 Sol al 40 %. En evaluaciones ciegas de frontend, los evaluadores prefirieron la salida de MAI Code 2 frente a la de GPT-6 Sol el 64 % de las veces. En ningún punto de la publicación de lanzamiento ni de la página del modelo hay una sola tasa de aprobación del modelo en ninguno de esos cuatro benchmarks, ni un recuento de parámetros, ni un techo de salida. A 18 de noviembre de 2026 tampoco hay una fila de Artificial Analysis para él, así que no existe nada independiente que cubra ese vacío.
Eso no es un escándalo. Es una elección con un coste específico para el comprador: no puedes calcular cuánto cuesta una tarea terminada, porque no sabes cuántos intentos necesita el modelo. Una ratio promediada sobre cuatro benchmarks mide la media, no la distribución, y el trabajo de programación es donde la distribución tiene una cola larga.
La tarifa, que es totalmente pública y totalmente comprobable.
El precio es donde la historia de MAI Code 2 se vuelve concreta, porque GitHub lo documenta hasta la décima de centavo.
• Entrada — MAI Code 2 a 0,50 $ por millón de tokens frente a Kimi K3.1 Pro a 2,00 $; MAI cuesta una cuarta parte del precio
• Salida — $2.50 frente a $10.00 por millón; la misma proporción de cuatro a uno, así que el descuento no es un artefacto de la mezcla
• Entrada en caché: $0.025 frente a $0.20 por millón; MAI es una octava parte, y GitHub no publica ningún cargo por escritura de caché en ninguno de los dos lados
• A partir del 17 de mayo de 2027 — MAI Code 2 cambia sus precios a $1.00 / $0.05 / $5.00, lo que reduce a la mitad su ventaja a 2× en tokens nuevos y 4× en lecturas de caché
• Contexto — 1.048.576 tokens en Kimi K3.1 Pro a través de la API de Moonshot, frente a una ventana de 1 millón de tokens en MAI Code 2 que solo se abre dentro de Visual Studio Code y Copilot CLI
• Techo de salida — no publicado por Microsoft, y tampoco hay un techo de salida separado en la ficha publicada de Moonshot; la cifra 1.048.576 es una ventana de contexto, no un límite de generación
• Pesos — ninguno, solo alojados, frente a una descarga MXFP4 de 1,56 TB publicada el 4 de noviembre de 2026
La partida de entrada en caché es donde una carga de trabajo agéntica se gasta realmente el dinero, y favorece a Microsoft más de lo que sugiere la cifra principal. Un agente de programación reproduce un prompt de sistema fijo, un esquema de herramientas estable y un prefijo de repositorio en cada turno. A 0,025 $ por millón de tokens en caché frente a 0,20 $, la diferencia en las partidas que dominan la factura es superior a 4×. La fecha de caducidad es entonces la que hace la mayor parte del daño: a partir del 17 de mayo de 2027, la tarifa de caché pasa a 0,05 $, mientras que la de Moonshot se mantiene donde Moonshot la sitúe, y la ventaja se reduce a 4× en caché y 2× en tokens nuevos.
El único instrumento que la otra parte sí publica
La evidencia de Kimi K3.1 Pro tiene una forma distinta: una cifra del proveedor que puedes contrastar con otra independiente, y un coste por tarea que incluye el tiempo que el modelo pasa pensando.
La propia tabla de lanzamiento de Moonshot sitúa a Kimi K3.1 Pro en un 65,7% en Terminal-Bench 4.0, segundo por detrás de Claude Opus 5.5 con un 66,4%. Es un porcentaje real en un benchmark actual, publicado por el proveedor el día del lanzamiento, y no favorece al modelo. En el Intelligence Index, versión 5.0.1, Kimi K3.1 Pro obtiene 46, muy por encima de la mediana de 23 que Artificial Analysis reporta para modelos comparables.
El lado de los costes es donde una lectura independiente justifica su valor, y tampoco resulta halagüeño. Artificial Analysis sitúa a Kimi K3.1 Pro en 3,68 dólares por tarea del Intelligence Index, con 38,4 minutos por tarea a 31 tokens por segundo de salida y 157,8 segundos hasta el primer token de respuesta —lento frente a una mediana de 13,6 minutos por tarea—. Esos son los números que se necesitan para decidir si un modelo pertenece a un bucle y no a una ventana de chat, y no existe ningún equivalente para MAI Code 2.

Lo que realmente compra el descuento cuádruple
Si se quita el marketing, la contrapartida queda clara. MAI Code 2 cuesta hoy una cuarta parte de Kimi K3.1 Pro y la mitad de su precio después de mayo de 2027. A cambio, aceptas cuatro cosas que no puedes inspeccionar: la tasa de aprobación, los intentos por tarea terminada, el tamaño del modelo y su comportamiento fuera de los cuatro benchmarks que eligió Microsoft. Microsoft es inusualmente directo sobre la última: la publicación de lanzamiento dice que los modelos «aún no están explícitamente ajustados para problemas más difíciles, como la investigación en ciencia fundamental y el trabajo agéntico de horizonte muy largo». Esa frase debería creerse con más facilidad que el 96 %, porque es una limitación que el proveedor reveló voluntariamente.
La disyuntiva de Kimi K3.1 Pro va en sentido contrario. Pagas cuatro veces más por token, esperas 38 minutos por una tarea y obtienes un modelo que puedes descargar, afinar dentro de tu propia infraestructura arrendada y seguir ejecutando si la API de Moonshot tiene una mala semana. Los pesos ocupan 1,56 TB repartidos en 96 fragmentos en MXFP4, lo cual es un verdadero trabajo de servicio, no una descarga para portátil, y la licencia es un instrumento a medida con un umbral de ingresos: no es Apache, ni MIT, ni está aprobada por la OSI. Así que «open» aquí significa auditable y autoalojable, no libre de restricciones. Para una revisión de seguridad, esa distinción es aceptable. Para un producto que piensas redistribuir, lee primero la licencia.
Ninguno de los dos modelos es una mala compra. Tienen precios pensados para compradores diferentes: uno para un equipo que ya paga por Copilot y quiere tokens más baratos dentro de las herramientas que ha adoptado, y otro para un equipo que quiere un activo que pueda trasladar.
Llamando a ambos lados, y al que no tiene punto final
Kimi K3.1 Pro está en OrcaRouter como kimi/kimi-k3.1-pro a $2.00 y $10.00 por millón de tokens, aplicado a la tarifa de lista del proveedor con un margen del 0% — así que si Moonshot cambia su tarifa, tu factura cambia el mismo día en lugar de después de un ciclo de reajuste de precios de un revendedor. Está detrás de la misma clave que el resto del catálogo, y la conmutación automática por error hace que un límite de velocidad del lado del proveedor se convierta en un reintento en lugar de una interrupción en mitad de una ejecución de agente de 38 minutos.
MAI Code 2 no está en nuestro catálogo y no puede estarlo. La única vía publicada es una suscripción a GitHub Copilot, en las modalidades Pro, Pro+, Max, Business y Enterprise; el modelo más pequeño, MAI Code 2 Flash, es el único de la familia con una superficie de API, una vista previa de acceso limitado en Microsoft Foundry mediante una API Responses compatible con OpenAI. Si quieres comparar los dos en tus propios repositorios, un lado del experimento tiene que ejecutarse dentro de un cliente de Copilot y el otro contra un endpoint HTTP. Eso es una restricción real para el diseño, no una nota a pie de página.
El arreglo que sobrevive no es una migración, sino una división. Mantén el modelo medible en la ruta que debe presupuestarse, donde los 3,68 dólares por tarea y los tiempos de finalización de 38 minutos de Kimi K3.1 Pro son cantidades conocidas con las que puedes planificar. Pon MAI Code 2 frente a los desarrolladores que ya trabajan en Copilot, donde probarlo no cuesta nada más allá de una licencia que ya tienen. Después, decide el costo por tarea terminada a partir de tus propios repositorios en lugar de hacerlo a partir de un promedio de cuatro evaluaciones comparativas.

¿Cuál elegir?
• Tienes que auditar el modelo o ejecutarlo tú mismo — Kimi K3.1 Pro, y no hay un segundo candidato aquí. Los pesos se pueden descargar y la cuestión de la licencia tiene respuesta.
• Sus desarrolladores ya viven en Copilot y el trabajo es reparación rutinaria — MAI Code 2 a $0.50 y $2.50, entendiendo que las cifras del 96 % y 98 % son de Microsoft y no han sido reproducidas.
• Necesita un número defendible para adquisiciones: Kimi K3.1 Pro, porque existe una lectura independiente del índice de 46 y el otro modelo no tiene fila.
• Estás haciendo el presupuesto más allá de mayo de 2027 — Kimi K3.1 Pro, o MAI Code 2 calculado con la tarifa duplicada en lugar de la promocional.
• Quieres el token más barato para un flujo de trabajo impulsado por humanos — MAI Code 2, ya que una persona que espera a que se complete una respuesta no paga por el tiempo real de la misma manera que lo hace un bucle de agente.

La cuestión abierta es si Microsoft llegará a publicar alguna vez una cifra absoluta. Una tasa de aprobación de Terminal-Bench 4.0 aclararía más que cualquier proporción, porque situaría a MAI Code 2 en el mismo eje que todo lo demás. Mientras eso no exista, esto es una comparación entre una lista de precios y un modelo medido, y la recomendación honesta es el token más barato para el trabajo que puedes supervisar, y el modelo medido para el trabajo que no puedes.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
