
Sept modèles MAI dans une seule keynote Ignite : où MAI Code 2 s’intègre réellement
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 187 tok/s
Microsoft a profité de sa keynote Ignite 2026, le 17 novembre, pour présenter sept nouveaux modèles simultanément sur scène, et celui dont les développeurs vont débattre est MAI Code 2. Il n'est pas vendu sur un score mais sur un ratio : l'annonce de Microsoft elle-même indique qu'il atteint 96 % des performances de Claude Opus 5.5 sur quatre benchmarks de codage pour 5 % du coût, et 98 % de celles de GPT-6.1 Sol pour 40 %. Ce sont des chiffres fournisseur issus du banc d'évaluation interne de Microsoft, ils n'ont été reproduits par personne en dehors de Microsoft, et le modèle n'avait aucune ligne indépendante dans un classement au moment de la rédaction. Ce qui rend tout de même ce lancement intéressant à lire, c'est que le ratio de prix est réel et vérifiable, que la fiche du modèle est inhabituellement précise et que la distribution est plus étroite que ne le suggère le ton de l'annonce.
Voici les contours du lancement : ce qui a été livré, à partir de quoi les résultats annoncés sont moyennés, ce que la fiche du modèle dit et que l’article de blog ne dit pas, combien cela coûte et quand ce prix évolue, et pourquoi le modèle de codage est celui qui compte pour un budget, plutôt que le plus clinquant de la sélection.
Qu’est-ce qui a été réellement annoncé ?
Sept modèles, une puce, un programme de licences. Les modèles sont MAI Cyber 2 Flash pour les tâches de sécurité défensive, MAI Code 2 et MAI Code 2 Flash pour le codage, MAI Image 2.7 pour la génération et l’édition d’images, MAI Realtime 1 pour la parole-vers-parole en direct, Dragon Copilot Transcribe construit sur MAI Transcribe 2, et Decision 1.1, un modèle routeur que Microsoft dit être 50 fois plus rapide et 79 fois moins cher que GPT-Sol 6.1. Parallèlement, Microsoft a mis en production Maia 200, son accélérateur de deuxième génération, et a introduit MAI Licensed Weights, qui permet à une organisation d’exécuter un modèle MAI personnalisé dans son propre environnement Azure.

C’est sur le duo dédié au codage que se concentre l’essentiel. MAI Code 2 est le modèle le plus grand, positionné pour le débogage approfondi, l’implémentation multi-fichiers, le raisonnement à l’échelle du dépôt et le travail front-end. MAI Code 2 Flash est le plus petit : explications de code, modifications ciblées, corrections de routine, itération rapide. Microsoft indique explicitement qu’il s’agit de modèles destinés à l’entreprise au quotidien, et non de modèles lancés dans une course à la frontière technologique, et l’annonce le répète deux fois.
L’affirmation que Microsoft met en avant, et ce dont elle est une moyenne
Les chiffres de 96 % et 98 % sont la moyenne de quatre benchmarks : DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas et FrontierCode v1.1. Trois d’entre eux ont été exécutés sur MSBench, la plateforme d’évaluation interne de Microsoft, en utilisant GitHub Copilot CLI en version 1.0.102, avec les sous-agents désactivés et chaque modèle à son effort de raisonnement maximal. La composante FrontierCode est d’une autre nature : ces scores et ces coûts proviennent d’Artificial Analysis, et non du dispositif d’évaluation de Microsoft. Ainsi, le chiffre phare est un mélange de trois tests réalisés en interne et d’un test tiers, puis exprimé en pourcentage des moyennes de deux concurrents.

Une deuxième affirmation accompagne celle-ci, et c’est celle qui en dit le plus sur ce que Microsoft pense avoir construit. Dans des évaluations en aveugle, côte à côte, de travaux front-end couvrant des interfaces, des jeux, des visualisations de données, des scènes 3D et des graphiques SVG, menées auprès de 258 annotateurs, les évaluateurs ont préféré la production de MAI Code 2 à celle de GPT-6 Sol dans 64 % des cas. Il s’agit d’une étude de préférence, pas d’un taux de réussite, et les préférences sont faciles à gagner avec du code d’interface qui inspire confiance. C’est aussi la seule affirmation de l’annonce qui relève du goût plutôt que de l’exactitude, et c’est sur le goût qu’un modèle bon marché peut vraisemblablement surpasser un modèle coûteux au sein d’une véritable équipe produit.
Ce que la fiche de modèle dit que l’article de blog ne dit pas
La fiche modèle de 24 pages est le document le plus utile, car elle contient les chiffres dont un acheteur a besoin et que l’annonce omet.
• Architecture — un transformer de type décodeur uniquement avec des couches à mélange d’experts creux et un encodeur visuel intégré, dans les deux modèles
• Paramètres — MAI Code 2 à environ 2,8 billions au total, 77 milliards actifs, avec 3 milliards intégrés ; MAI Code 2 Flash à environ 398 milliards au total et 12 milliards actifs
• Entraînement — environ 50 billions de tokens de pré-entraînement, plus environ 150 milliards de tokens d’extension de contexte long pour le grand modèle, le tout entre août et novembre 2026, avec un arrêt des connaissances en août 2026
• Contexte et limites — contexte de 1 050 000 jetons, entrée maximale de 922 000 jetons et sortie maximale de 128 000 jetons, texte et image en entrée, texte en sortie
• Contrôle du raisonnement — cinq niveaux d'effort, de faible à max, arbitrant latence et coût au profit de la qualité
• Limites déclarées — optimisé uniquement pour la production de code en anglais lors de la publication, non calibré pour la recherche scientifique fondamentale ou les travaux agentiques à très long horizon, et non destiné aux systèmes entièrement autonomes qui prennent des mesures aux conséquences importantes sans supervision humaine
Cette dernière ligne est la plus honnête, et c’est la phrase qu’une équipe achats devrait relire deux fois. Microsoft ne prétend pas proposer un modèle général de pointe à prix réduit. Il prétend proposer un modèle de codage performant sur les tâches que les clients de GitHub Copilot effectuent réellement, et il indique clairement où le modèle s’arrête.
Où vous pouvez l’appeler, ce qui est plus restrictif que ça n’en a l’air
MAI Code 2 et MAI Code 2 Flash sont tous deux disponibles dans GitHub Copilot, sur Copilot Pro, Pro+, Max, Business et Enterprise pour le modèle le plus grand, et à partir de l’offre gratuite pour Flash. MAI Code 2 Flash est en outre disponible en préversion à accès limité dans Microsoft Foundry, appelable via une API Responses compatible avec OpenAI. MAI Code 2 lui-même ne dispose d’aucun déploiement Foundry au lancement.
Cette asymétrie est le détail pratique dissimulé sous la diapositive de benchmark. Si vous voulez MAI Code 2 dans Copilot, vous l’avez dès aujourd’hui. Si vous voulez appeler MAI Code 2 depuis votre propre application, votre framework d’agents ou votre pipeline CI, il n’existe aucun point de terminaison publié à appeler : le seul modèle de cette paire à proposer une API est le plus petit, et il s’agit d’un aperçu. Microsoft indique qu’une disponibilité pour des tiers est à venir ; rien n’est encore publié et aucune date n’est donnée. Les poids du modèle ne sont pas distribués du tout, et la licence est un ensemble de conditions produit plutôt qu’une licence open source.
Combien ça coûte, et la date à laquelle le prix double
Copilot facture ces modèles au token dans le cadre d’une facturation à l’usage, et les deux bénéficient d’un tarif promotionnel avec une date de fin publiée.
• MAI Code 2 — 0,50 $ par million de tokens d'entrée, 0,025 $ par million de tokens d'entrée mis en cache, 2,50 $ par million de tokens de sortie, jusqu'au 17 mai 2027 ; à compter de cette date, 1,00 $, 0,05 $ et 5,00 $
• MAI Code 2 Flash — 0,05 $, 0,005 $ et 0,25 $, jusqu’au 17 mai 2027 ; à partir de cette date, 0,10 $, 0,01 $ et 0,50 $
• Claude Opus 5.5, pour donner un ordre de grandeur — 4,00 $ en entrée, 0,20 $ en entrée mise en cache et 20,00 $ en sortie par million de tokens
• GPT-6.1 Sol, pour donner un ordre d’idée — 2,00 $ en entrée, 0,10 $ pour l’entrée mise en cache et 10,00 $ en sortie par million de tokens
Lisez la première et la troisième ligne ensemble, et l'arithmétique devient intéressante. Aux tarifs promotionnels, MAI Code 2 coûte 12,5 % du prix par token de Claude Opus 5.5, et 25 % de celui de GPT-6.1 Sol. Les chiffres phares de Microsoft portent sur 5 % et 40 % du coût, et non du prix. Ces ratios phares correspondent au coût par tâche sur les quatre benchmarks, ce qui combine le tarif par token avec le nombre de tokens que chaque modèle consomme pour achever une tâche — et la fiche du modèle précise que chaque modèle a été exécuté avec un effort de raisonnement maximal, là où les nombres de tokens varient le plus.
L’écart entre les deux types de chiffres est ce qu’il faut emporter dans une conversation budgétaire. Un ratio de coût de 5 % superposé à un ratio de prix de 12,5 % implique que MAI Code 2 termine ces tâches après avoir dépensé environ 40 % des tokens que dépense Claude Opus 5.5. C’est mon calcul à partir des ratios publiés par Microsoft, pas une déclaration de Microsoft, et il pointe dans la direction opposée à l’histoire habituelle de la remise : l’économie tient moins à un token bon marché qu’à un modèle qui s’arrête plus tôt. Les tarifs combinés d’entrée et de sortie en font au mieux un chiffre approximatif, mais la direction vaut la peine d’être connue, car des tokens bon marché et une tâche bon marché ne relèvent pas de la même ligne budgétaire, et seule une mesure au niveau de la tâche vous dit lequel des deux vous achetez.
Pourquoi il s'agit d'un lancement de prix, et non d'un lancement de capacités
Rien dans les supports de lancement ne revendique un nouvel état de l’art. Microsoft déclare lui-même que ces modèles sont « {{1}}explicitement pas encore ajustés pour les problèmes plus difficiles{{/1}} », et la fiche du modèle ajoute que l’alignement est évalué comme similaire à GPT-5.6 Sol et moins aligné que GPT-6. La stratégie affichée est celle que la keynote Ignite a énoncée sans détour : {{2}}lorsqu’un modèle est conçu pour repousser les frontières de la science, vous payez cette capacité sur chaque correction de bug de routine, alors construisez un modèle qui excelle dans le travail de routine et fixez-en le prix en conséquence{{/2}}.
Que cela fonctionne dépend d’une question à laquelle Microsoft ne peut pas répondre seul. L’ensemble de comparaison oppose le banc d’essai maison de Microsoft aux configurations publiées de deux concurrents, et l’unique composant indépendant, FrontierCode, ne représente qu’un benchmark sur quatre. Un taux de réussite maison sur un banc d’essai maison est un signal d’ingénierie raisonnable et un faible signal d’achat. Le chiffre à attendre est une ligne indépendante sur un classement neutre, exécutée par quelqu’un qui n’a aucun intérêt dans la réponse et sur un banc d’essai que personne chez Microsoft n’a configuré.
Comment chiffrer vous-même la comparaison

Ni MAI Code 2 ni MAI Code 2 Flash ne figurent aujourd'hui au catalogue d'OrcaRouter ; la route publiée est GitHub Copilot, ce qui signifie que la comparaison que Microsoft vous invite à faire ne peut pas être réalisée avec une seule clé pour l'instant. Les modèles auxquels ils sont comparés, eux, le peuvent. Claude Opus 5.5, GPT-6.1 Sol et Gemini 4 Carbon sont tous disponibles sur OrcaRouter au prix catalogue du fournisseur, avec 0 % de marge, de sorte que le côté coûteux de ce bilan est mesurable dès aujourd'hui, avec des tarifs par token qui évoluent le jour même où un fournisseur les modifie. Si le côté bon marché devient un jour appelable en dehors de Copilot, la comparaison devient une décision de routage plutôt qu'un exercice sur tableur — et le basculement automatique est ce qui permet de déployer sans risque un modèle au rapport prix/performance dans un chemin de production avant qu'il n'ait fait ses preuves de manière indépendante.
À surveiller, dans l’ordre : une ligne de benchmark indépendante pour MAI Code 2 ; un déploiement Foundry pour le grand modèle plutôt que seulement l’aperçu Flash ; et le 17 mai 2027, date à laquelle le prix des deux modèles double. Le dernier figure sur un calendrier, ce qui en fait le seul élément de ce lancement sur lequel vous pouvez vous organiser.
Comparés dans cet article2
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
