Kartu perbandingan yang dihasilkan menampilkan MAI Code 2 dengan harga input $0,50 dan output $2,50 per juta token dibandingkan Claude Opus 5.5 pada $4,00 dan $20,00, dengan klaim performa 96 persen dan biaya 5 persen yang diberi label sebagai dilaporkan oleh vendor.
Guides & Insights

MAI Code 2 vs Claude Opus 5.5: Apa yang Dihilangkan dari Klaim 96% untuk 5%

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Perbandingan antara MAI Code 2 dan Claude Opus 5.5memuat satu angka yang semua orang kutip tetapi tidak ada yang bisa memverifikasi. Microsoft menyatakan MAI Code 2 mencapai 96% performa Opus 5.5 pada empat benchmark coding dengan biaya hanya 5%. Opus 5.5 telah tersedia secara umum sejak 22 September 2026, memiliki daftar harga resmi yang dipublikasikan, dan berada pada peringkat 59 di Artificial Analysis Intelligence Index. MAI Code 2 dirilis pada 17 November 2026 dengan daftar harganya sendiri dan sama sekali tanpa skor independen — model ini hanya dapat dipanggil di dalam GitHub Copilot dan tidak di tempat lain, dan Artificial Analysis tidak memiliki baris untuknya saat tulisan ini dibuat. Jadi, perbandingan yang jujur bukanlah dua kolom angka. Ini adalah satu model yang dapat Anda ukur dan satu model yang hanya bisa Anda percayai berdasarkan klaim Microsoft, ditambah selisih harga yang cukup besar sehingga klaim tersebut layak ditanggapi dengan serius sampai ada yang mengujinya.

Dua kartu tarif, sebelum persentase apa pun

Microsoft menagih MAI Code 2 per token melalui GitHub Copilot dengan penagihan berbasis penggunaan, pada tarif promosi yang berakhir pada tanggal yang dipublikasikan. Anthropic menagih Opus 5.5 per token pada tarif daftar, tanpa kedaluwarsa.

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.

• Input — MAI Code 2 seharga $0.50 per juta token vs Claude Opus 5.5 seharga $4.00; Opus 8× lebih mahal per token input

• Output — $2,50 vs $20,00 per juta; selisih 8× yang sama

• Input cache — $0.025 vs $0.20 per juta; sekali lagi 8×

Setelah 17 Mei 2027 — MAI Code 2 menyesuaikan harga menjadi $1.00 / $0.05 / $5.00, yang mempersempit selisih menjadi 4× input dan 4× output

• Konteks — Opus 5.5 menerbitkan putaran 1.000.000; MAI Code 2 menerbitkan 1.050.000, yaitu jendela 5% lebih besar dan tidak lebih berguna tanpa pengambilan yang tetap andal di ujung terjauh

• Output maksimum — 128.000 token pada keduanya

• Modalitas input — Opus 5.5 menerima file bersama teks dan gambar; kartu model MAI Code 2 hanya mencantumkan teks dan gambar

• Ketersediaan bobot — Anda tidak dapat mengunduh salah satunya, karena alasan yang berbeda: {{1}}Opus 5.5{{/1}} bersifat proprietary, dan {{2}}MAI Code 2{{/2}} hanya dijual sebagai layanan hosted

Tabel itu adalah tempat kedua model benar-benar dapat dibandingkan, dan tabel itu menghasilkan rasio harga 12,5%, bukan 5%. Angka 5% adalah angka biaya per tugas, yang merupakan pengukuran berbeda: angka itu membagi total pengeluaran dengan tugas yang diselesaikan, sehingga menyerap berapa banyak token yang dibakar masing-masing model pada upaya penalaran maksimum. Model yang bernalar lebih efisien, atau sekadar berhenti lebih awal, bisa berada di 5% sementara mengenakan 12,5% per token. Kartu model mengonfirmasi semua perbandingan dijalankan pada upaya maksimum, yang justru merupakan pengaturan tempat jumlah token paling berbeda.

Terdiri dari apa 96% itu, dan siapa yang menjalankannya

Empat benchmark berada di bawah 96%: {{1}}DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas, dan FrontierCode v1.1{{/1}}. Tiga di antaranya berasal dari {{2}}MSBench, platform evaluasi internal Microsoft, yang dijalankan melalui GitHub Copilot CLI versi 1.0.102 dengan subagen dinonaktifkan{{/2}}. Yang keempat, FrontierCode, adalah data Artificial Analysis. Kartu model Microsoft sendiri memberikan tingkat kelulusan mentah pada upaya penalaran maksimum: 73.2% pada DeepSWE 1.1, 84.6% pada TerminalBench 2.1, dan 43.1% pada SWE Atlas.

Baca ketiga angka itu tanpa bingkai persentase, dan gambaran yang berbeda akan muncul. SWE Atlas adalah yang terlemah dari ketiganya pada 43,1%, dan itu juga benchmark dalam kumpulan tersebut yang bukan tentang memperbaiki bug: ia menilai tanya jawab basis kode, penulisan tes, dan refactoring terhadap rubrik serta pemeriksaan programatik. Model yang disetel untuk "perubahan kode yang akan di-merge oleh maintainer" bisa tampil baik pada tes penyelesaian issue dan tetap biasa saja dalam menjelaskan basis kode. Microsoft tidak menerbitkan rincian per-benchmark terhadap Opus 5.5, hanya rata-ratanya, jadi tidak ada cara untuk melihat mana dari keempatnya yang menopang 96% dan mana yang menurunkannya.

Angka dari vendor Opus 5.5 sendiri menunjuk ke arah yang serupa dari sisi lain. Materi peluncuran Anthropic melaporkan Terminal-Bench 4.0 sebesar 66,4% dan GDPval-AA v2.1 sebesar 1.846 Elo. Angka-angka itu juga dilaporkan vendor, juga tidak direproduksi oleh harness Microsoft, dan sepenuhnya berada pada versi benchmark yang berbeda — Terminal-Bench 4.0 versus versi 2.1 milik Microsoft. Dua vendor yang mengutip versi berbeda dari keluarga tes yang sama bukanlah sebuah perbandingan. Itu adalah dua iklan yang saling berhadapan.

Apa yang sebenarnya dikatakan seorang evaluator independen tentang Opus 5.5

Opus 5.5 adalah salah satu dari sedikit model di kelas ini dengan rekam jejak pihak ketiga yang lengkap. Artificial Analysis menempatkannya pada 59 di Intelligence Index v5.0.1, sebuah komposit sembilan evaluasi yang mencakup Terminal-Bench 4.0 hingga FrontierCode-AA 2.0 sampai Terminal-Bench-Science 0.1. Angka-angka pendukungnya adalah yang perlu dijadikan dasar perencanaan: $10,04 per tugas indeks, 24,5 menit per tugas, 118 token per detik keluaran dan 358 detik hingga token jawaban pertama.

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.

Dua dari angka-angka itu lebih penting daripada skornya. Waktu 358 detik untuk token jawaban pertama adalah yang dialami pengguna yang menatap spinner, dan 24,5 menit per tugas adalah waktu aktual yang sebenarnya dibutuhkan oleh proses agen yang panjang. Opus 5.5 bukan model yang cepat; ia adalah model yang menyeluruh. Kompetitor yang lebih murah tidak harus menyamai akurasi 96%-nya untuk memenangkan suatu beban kerja — ia hanya perlu cukup baik pada tugas spesifik tersebut, dan jauh lebih cepat atau lebih murah pada margin. Itulah keseluruhan argumen untuk model harga-kinerja, dan Microsoft menyampaikannya tanpa bukti independen yang akan memastikannya.

Tempat yang belum bisa dijangkau MAI Code 2

Inilah bagian yang disembunyikan oleh persentase itu. MAI Code 2 hadir di dalam GitHub Copilot, pada setiap tier berbayar dari Pro hingga Enterprise, di setiap editor yang dijangkau GitHub. Itu adalah kumpulan permukaan yang luas dan infrastruktur internal satu vendor. Tidak ada deployment Foundry untuk model besar itu saat peluncuran; hanya MAI Code 2 Flash yang memiliki pratinjau Foundry, melalui Responses API yang kompatibel dengan OpenAI. Microsoft mengatakan ketersediaan lebih lanjut akan hadir, tidak menyebutkan tanggal, dan tidak mendistribusikan bobot.

Opus 5.5, sebaliknya, berada di API milik Anthropic sendiri dan tiga cloud utama, dengan model ID, batas akhir penghentian yang dipublikasikan, dan kebijakan snapshot yang terdokumentasi. Jika pekerjaan Anda berjalan di dalam Copilot, perbandingan ini sudah nyata hari ini. Jika pekerjaan itu berjalan di framework agen Anda sendiri, pipeline CI Anda, atau stack multi-vendor, salah satu sisi perbandingan ini hanyalah siaran pers.

Pembagian beban kerja yang benar-benar menentukan hasilnya

• Perbaikan enterprise rutin — perbaikan yang dapat digabungkan, pengeditan multi-file, debugging mendalam di dalam repositori yang sudah dikenal — adalah tugas yang Microsoft bangun dan tetapkan harga untuknya. Pada 12,5% dari tarif per token Opus saat ini, bahkan model yang memerlukan percobaan kedua untuk mencapai tingkat kelulusan yang sama dapat lebih murah per tugas yang diselesaikan.

• Kerja agentik berhorizon panjang adalah area yang menurut Microsoft tidak menjadi sasaran penyetelan model ini, baik dalam pengumuman maupun di kartu model. Seluruh posisi Opus 5.5 adalah beban kerja tersebut, dan skor 1.846 Elo-nya pada GDPval-AA adalah angka yang dipilih Anthropic untuk ditonjolkan lebih dulu.

• Basis kode non-Inggris — bukan inferensi, melainkan satu baris dalam kartu model: produksi kode bahasa Inggris hanya pada saat rilis, dengan bahasa yang kurang umum secara eksplisit kurang dievaluasi. Opus 5.5 tidak disertai peringatan setara.

• Apa pun yang mengambil tindakan berdampak tanpa keterlibatan manusia berada di luar cakupan di kedua sisi, tetapi Microsoft menyatakannya secara eksplisit untuk MAI Code 2 dan meminta alur kerja agentik yang diawasi.

• Konteks di atas satu juta token adalah hasil imbang dalam praktik. Keduanya mengklaim sekitar satu juta; tidak ada angka yang boleh dipercaya sebagai anggaran kerja tanpa menguji retrieval di ujung terjauh.

Mengelola kedua sisi buku besar

Claude Opus 5.5 ada di katalog OrcaRouter dengan harga $4.00 untuk input dan $20.00 untuk output per juta token, harga daftar penyedia diteruskan dengan markup 0%, sehingga perubahan harga vendor sampai ke tagihan Anda pada hari perubahan itu terjadi, bukan pada hari reseller memperbarui lembar harga. Itu lebih penting daripada biasanya dalam perbandingan seperti ini, karena harga MAI Code 2 sendiri menjadi dua kali lipat pada 17 Mei 2027 — rasio yang Anda evaluasi hari ini bukan rasio yang akan Anda bayar pada Juni.

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 tidak ada di katalog kami, dan satu-satunya rute yang dipublikasikan ke sana adalah GitHub Copilot. Jika Microsoft membuka endpoint Foundry untuk model besar tersebut, langkah pertama yang masuk akal bukanlah migrasi melainkan uji bayangan: pertahankan Opus 5.5 pada jalur yang penting, arahkan model murah ke tugas-tugas yang jawabannya sudah Anda ketahui, dan bandingkan biaya tugas yang selesai, bukan harga token. Itulah bentuk keputusan failover otomatis ada — model baru yang belum terbukti pada sebagian kecil lalu lintas, dengan model yang sudah terbukti di belakangnya jika sisi murah tersendat.

Putusan yang bertahan terhadap bukti: Opus 5.5 adalah model yang perlu dipertahankan untuk pekerjaan yang tidak ingin diulang oleh siapa pun, dan MAI Code 2 adalah model yang perlu diuji pada pekerjaan yang berjalan setiap hari. Angka 96% Microsoft bisa saja berlaku dalam harness milik Copilot sendiri. Angka itu belum diuji di mana pun yang dapat membantahnya, dan sampai hal itu dilakukan, 5% hanyalah klaim dan 12,5% adalah daftar tarif.