Carte de comparaison générée montrant MAI Code 2 à 0,50 $ en entrée et 2,50 $ en sortie par million de jetons, face à Claude Opus 5.5 à 4,00 $ et 20,00 $, avec l'allégation de 96 pour cent de performance et de 5 pour cent de coût étiquetée comme rapportée par le fournisseur.
Guides & Insights

MAI Code 2 vs Claude Opus 5.5 : ce que l’affirmation « 96 % pour 5 % » passe sous silence

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

La comparaison entre MAI Code 2 et Claude Opus 5.5 comporte un chiffre que tout le monde cite et que personne ne peut vérifier. Microsoft affirme que MAI Code 2 atteint 96 % des performances d'Opus 5.5 sur quatre benchmarks de codage, pour 5 % du coût. Opus 5.5 est disponible en général depuis le 22 septembre 2026, dispose d'une grille tarifaire publiée et obtient un score de 59 sur l'Artificial Analysis Intelligence Index. MAI Code 2 est sorti le 17 novembre 2026 avec sa propre grille tarifaire et aucun score indépendant — il n'est appelable que dans GitHub Copilot et nulle part ailleurs, et Artificial Analysis n'avait aucune ligne pour lui au moment de la rédaction de cet article. La comparaison honnête n'est donc pas deux colonnes de chiffres. C'est un modèle que l'on peut mesurer et un modèle pour lequel on ne peut que se fier à la parole de Microsoft, plus un écart de prix suffisamment important pour que cette parole mérite d'être prise au sérieux jusqu'à ce que quelqu'un la teste.

Les deux grilles tarifaires, avant tout pourcentage

Microsoft facture MAI Code 2 par token via GitHub Copilot dans le cadre d’une facturation à l’usage, à des tarifs promotionnels qui expirent à une date publiée. Anthropic facture Opus 5.5 par token au tarif catalogue, sans expiration.

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.

• Entrée — MAI Code 2 à 0,50 $ par million de jetons, contre Claude Opus 5.5 à 4,00 $ ; Opus coûte 8× plus cher par jeton d'entrée

• Sortie — 2,50 $ vs 20,00 $ par million ; le même écart de 8×

• Entrée mise en cache — 0,025 $ contre 0,20 $ par million ; là encore, 8×

• Après le 17 mai 2027 — MAI Code 2 passe à 1,00 $ / 0,05 $ / 5,00 $, ce qui réduit l’écart à 4× en entrée et 4× en sortie

• Contexte — Opus 5.5 annonce un chiffre rond : 1 000 000 ; MAI Code 2 annonce 1 050 000, soit 5 % de fenêtre en plus, et pas plus d'utilité sans une récupération qui tient bon jusqu'au bout du contexte

• Sortie maximale — 128 000 jetons sur les deux

• Modalité d'entrée — Opus 5.5 accepte les fichiers en plus du texte et des images ; la fiche du modèle MAI Code 2 ne mentionne que le texte et les images

• Disponibilité des poids — vous ne pouvez télécharger ni l’un ni l’autre, pour des raisons différentes : Opus 5.5 est propriétaire, et MAI Code 2 n’est vendu que sous forme de service hébergé

Ce tableau est celui où les deux modèles sont réellement comparables, et il produit un rapport de prix de 12,5 %, et non de 5 %. Le chiffre de 5 % est un coût par tâche, qui correspond à une autre mesure : il divise la dépense totale par les tâches accomplies, et absorbe donc le nombre de tokens que chaque modèle consomme à effort de raisonnement maximal. Un modèle qui raisonne plus efficacement, ou qui s’arrête simplement plus tôt, peut atteindre 5 % tout en facturant 12,5 % par token. La fiche modèle confirme que toutes les comparaisons ont été menées à effort maximal, soit précisément le réglage où les nombres de tokens divergent le plus.

De quoi les 96 % sont constitués, et qui l’a géré

Quatre benchmarks se situent sous les 96 % : DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas et FrontierCode v1.1. Trois d’entre eux proviennent de MSBench, la plateforme d’évaluation interne de Microsoft, exécutée via GitHub Copilot CLI en version 1.0.102 avec les sous-agents désactivés. Le quatrième, FrontierCode, provient des données d’Artificial Analysis. La fiche modèle de Microsoft donne les taux de réussite bruts à l’effort de raisonnement maximal : 73,2 % sur DeepSWE 1.1, 84,6 % sur TerminalBench 2.1 et 43,1 % sur SWE Atlas.

Lisez ces trois chiffres sans le prisme des pourcentages, et un tableau différent se dessine. SWE Atlas est le plus faible des trois, à 43,1 %, et c’est aussi le benchmark de l’ensemble qui ne porte pas sur la correction d’un bug : il évalue la capacité à répondre à des questions sur une base de code, à écrire des tests et à refactoriser, à la fois selon une grille d’évaluation et selon des contrôles programmatiques. Un modèle optimisé pour les « modifications que les mainteneurs de code fusionneraient » peut bien réussir les tests de résolution de problèmes et rester médiocre pour expliquer une base de code. Microsoft ne publie pas la répartition par benchmark face à Opus 5.5, seulement la moyenne, si bien qu’il est impossible de voir lequel des quatre porte les 96 % et lequel les tire vers le bas.

Les propres chiffres du fournisseur pour Opus 5.5 pointent dans une direction similaire, mais depuis l'autre camp. La documentation de lancement d'Anthropic indiquait Terminal-Bench 4.0 à 66,4 % et GDPval-AA v2.1 à 1 846 Elo. Ces chiffres sont eux aussi rapportés par le fournisseur, eux aussi non reproduits par le harnais de Microsoft, et portent sur une version de benchmark entièrement différente — Terminal-Bench 4.0 contre 2.1 chez Microsoft. Deux fournisseurs qui citent des versions différentes de la même famille de tests, ce n'est pas une comparaison. C'est deux publicités qui se font face.

Ce qu’un évaluateur indépendant dit réellement à propos d’Opus 5.5

Opus 5.5 est l'un des rares modèles de cette catégorie à disposer d'un historique tiers complet. Artificial Analysis le place à 59 sur l'Intelligence Index v5.0.1, un composite de neuf évaluations qui va de Terminal-Bench 4.0 à FrontierCode-AA 2.0 en passant par Terminal-Bench-Science 0.1. Les chiffres d'accompagnement sont ceux autour desquels il faut planifier : 10,04 $ par tâche de l'index, 24,5 minutes par tâche, 118 tokens par seconde en sortie et 358 secondes avant le premier token de réponse.

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.

Deux de ces chiffres comptent plus que le score. Le délai de 358 secondes jusqu’au premier token de réponse correspond à ce que vit un utilisateur devant un indicateur de chargement, et les 24,5 minutes par tâche représentent le temps réel qu’une longue exécution d’agent coûte. Opus 5.5 n’est pas un modèle rapide ; c’est un modèle minutieux. Un concurrent moins cher n’a pas besoin d’atteindre 96 % de sa précision pour remporter une charge de travail — il suffit qu’il soit suffisamment bon sur la tâche précise, et nettement plus rapide ou moins cher à la marge. C’est tout l’argument en faveur d’un modèle prix-performance, et Microsoft l’avance sans les preuves indépendantes qui permettraient de trancher.

Là où MAI Code 2 ne peut pas encore aller

Voici la partie que le pourcentage cache. MAI Code 2 est livré dans GitHub Copilot, sur toutes les offres payantes, de Pro à Enterprise, dans chaque éditeur dans lequel GitHub s'intègre. Cela représente un large éventail de surfaces et l'infrastructure d'un seul fournisseur. Il n'y a pas de déploiement Foundry pour le grand modèle au lancement ; seul MAI Code 2 Flash dispose d'un aperçu Foundry, via une API Responses compatible OpenAI. Microsoft indique que d'autres disponibilités arriveront, ne donne aucune date et ne distribue aucun poids.

Opus 5.5, en revanche, est disponible sur l’API d’Anthropic et sur trois grands clouds, avec un identifiant de modèle, un seuil de retrait publié et une politique de snapshots documentée. Si votre travail s’effectue dans Copilot, la comparaison est déjà concrète aujourd’hui. S’il s’effectue dans votre propre framework d’agents, votre pipeline CI ou une pile multi-fournisseurs, l’un des côtés de cette comparaison n’est qu’un communiqué de presse.

La répartition de la charge de travail qui décide vraiment

• La réparation d’entreprise de routine — correctifs fusionnables, modifications de plusieurs fichiers, débogage approfondi dans un dépôt connu — est la tâche pour laquelle Microsoft a conçu et tarifé son offre. À 12,5 % du tarif par jeton d’Opus aujourd’hui, même un modèle qui a besoin d’une deuxième tentative pour atteindre le même taux de réussite peut être moins cher par tâche terminée.

• Le travail agentique à long horizon est précisément le domaine où Microsoft indique que le modèle n'est pas ajusté, dans l'annonce comme dans la fiche du modèle. Tout le positionnement d'Opus 5.5 repose sur cette charge de travail, et son score de 1 846 Elo sur GDPval-AA est le chiffre qu'Anthropic a choisi de mettre en avant.

• Bases de code non anglophones — non pas une déduction, mais une mention dans la fiche du modèle : production de code en anglais uniquement lors de la publication, les langues moins courantes étant explicitement sous-évaluées. Opus 5.5 ne comporte aucune réserve équivalente.

• Tout ce qui entreprend une action ayant des conséquences sans intervention humaine est hors périmètre des deux côtés, mais Microsoft le dit explicitement pour MAI Code 2 et demande des workflows agentiques supervisés.

• Un contexte supérieur à un million de tokens est une égalité en pratique. Les deux revendiquent environ un million ; aucun de ces nombres ne doit être considéré comme un budget de travail fiable sans tester la récupération à l’extrémité.

Gérer les deux côtés du grand livre

Claude Opus 5.5 figure au catalogue d'OrcaRouter à 4,00 $ en entrée et 20,00 $ en sortie par million de jetons, prix catalogue du fournisseur répercuté avec 0 % de marge, de sorte qu'une modification tarifaire du fournisseur se répercute sur votre facture le jour où elle survient plutôt que le jour où un revendeur met à jour une feuille. Cela compte plus que d'habitude dans une comparaison comme celle-ci, car le prix propre de MAI Code 2 double le 17 mai 2027 — le ratio que vous évaluez aujourd'hui n'est pas celui que vous paierez en juin.

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 ne figure pas dans notre catalogue, et la seule voie publiée pour y accéder est GitHub Copilot. Si Microsoft ouvre un point de terminaison Foundry pour le grand modèle, le premier réflexe raisonnable n'est pas une migration mais une exécution fantôme : conserver Opus 5.5 sur le parcours qui compte, orienter le modèle économique vers les tâches dont vous connaissez déjà la réponse, et comparer le coût par tâche terminée plutôt que le prix des tokens. C'est la forme de décision pour laquelle le basculement automatique existe — un modèle nouveau et non éprouvé sur une fraction du trafic, avec un modèle éprouvé en renfort si le côté économique défaille.

Le verdict qui résiste à l’examen des preuves : Opus 5.5 est le modèle à conserver pour le travail que personne ne veut refaire, et MAI Code 2 est le modèle à tester sur le travail qui s’exécute chaque jour. Les 96 % de Microsoft peuvent très bien tenir dans le propre harnais de Copilot. Cette affirmation n’a été testée nulle part où elle pourrait être contredite, et tant qu’elle ne l’est pas, les 5 % sont une affirmation et les 12,5 % sont une grille tarifaire.