
MAI Code 2 vs GPT-6.1 Sol: Microsoft Membandingkan Dirinya dengan Model yang Sudah Usang
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 138 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 176 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 187 tok/s
Kalimat yang paling banyak dikutip dalam pengumuman Ignite Microsoft adalah bahwa MAI Code 2 menghadirkan 98% performa coding GPT-6.1 Sol dengan 40% dari biayanya. Itu kalimat yang bagus. Kalimat itu juga menyebut sebuah model yang sudah ditandai deprecated oleh Artificial Analysis, telah digantikan dalam lini OpenAI sendiri oleh GPT-6.2 Sol, dan itulah detail yang membingkai ulang seluruh perbandingan: Microsoft memilih titik acuannya, dan titik acuan itu bukan lagi yang harus dikalahkan. MAI Code 2 dirilis pada 17 November 2026 dengan tarif promosi $0.50 per juta token input dan $2.50 per juta token output. GPT-6.1 Sol berbiaya $2.00 dan $10.00 serta mencatat 55 pada indeks independen. Tak satu pun dari fakta itu membuat klaim 98% menjadi keliru. Fakta-fakta itu justru menjadikannya perbandingan terhadap model yang sedang menuju masa pensiun, yang berbeda dari perbandingan terhadap model terdepan.
Kartu tarif dan pemberitahuan penghentian penggunaan
• Harga per juta token — GPT-6.1 Sol mengenakan biaya $2,00 untuk input dan $10,00 untuk output tanpa kedaluwarsa; MAI Code 2 mengenakan biaya $0,50 dan $2,50 hingga 17 Mei 2027, lalu $1,00 dan $5,00
{{1}}Input cache{{/1}} — $0.10 dibanding $0.025, selisih 4× yang tetap bertahan setelah kedua perubahan harga
• Prompt panjang — tidak ada tier yang dipublikasikan di MAI Code 2; GPT-6.1 Sol menetapkan harga ulang untuk semua yang di atas 272.000 token input sebesar 2× input dan 1,5× output, sehingga permintaan 300K token memakan biaya per token lebih besar daripada yang disiratkan oleh tarif utamanya
• Konteks — 1,050,000 token pada keduanya, dengan keluaran maksimum 128,000 pada keduanya
• Modalitas masukan — GPT-6.1 Sol membaca file serta teks dan gambar; kartu model MAI Code 2 mengklaim teks dan gambar, lalu berhenti di situ
• Status siklus hidup — MAI Code 2 masih baru; GPT-6.1 Sol ditandai sebagai deprecated oleh Artificial Analysis, yang kini melakukan benchmark terhadapnya setiap 18 jam, bukan setiap 6 jam
Baris terakhir itu adalah yang paling harus dipertimbangkan oleh pembeli. Model yang sudah usang tidak berarti dihentikan — model itu masih merespons dan masih menagih sesuai harga daftar — tetapi irama evaluasinya telah melambat dan vendornya telah beralih. Membangun model biaya berdasarkan model dalam kondisi seperti itu berarti membangunnya berdasarkan angka yang tidak akan diperbarui.
Apa yang diukur oleh 98%, dan mengapa titik acuan itu penting

Singkirkan bingkai penyajiannya dan 98% adalah rata-rata dari empat tingkat kelulusan, tiga di antaranya dihasilkan Microsoft sendiri. DeepSWE 1.1 dan Terminal Bench 2.1 serta SWE Atlas melewati MSBench, platform internal Microsoft, melalui GitHub Copilot CLI versi 1.0.102, subagen dimatikan, setiap model pada upaya maksimal. Skor dan biaya FrontierCode berasal dari Artificial Analysis. Yang tidak dipublikasikan Microsoft adalah rincian pembagiannya: kartu tersebut memberikan angka MAI Code 2 sendiri — 73,2%, 84,6%, 43,1% — dan satu rata-rata terhadap GPT-6.1 Sol, tanpa baris yang menunjukkan benchmark mana yang mengangkat rata-rata dan mana yang menyeretnya.
Rata-rata menyembunyikan bentuk suatu hasil, dan bentuk itu penting. SWE Atlas, pada 43,1%, adalah yang terlemah di antara tiga angka publik, dan juga merupakan satu-satunya yang menguji tanya jawab basis kode, penulisan tes, dan refactoring alih-alih penyelesaian masalah. FrontierCode, satu-satunya komponen yang sumbernya independen, adalah satu dari empat. Model yang setara pada benchmark perbaikan bug dan tertinggal dalam refactoring bisa mencapai rata-rata 98% dan tetap menjadi alat yang salah untuk sebuah refactor.
Sorotan lain dari Microsoft adalah studi preferensi, bukan tingkat kelulusan: dalam evaluasi buta secara berdampingan atas pekerjaan front-end di berbagai antarmuka, game, visualisasi data, adegan 3D, dan grafik SVG, 258 anotator lebih memilih keluaran MAI Code 2 daripada keluaran GPT-6 Sol sebanyak 64% dari waktu. Perhatikan model yang disebutkan di sana — GPT-6 Sol, bukan 6.1 — dan perhatikan bahwa preferensi terhadap tampilan UI yang dihasilkan bukanlah ukuran apakah UI tersebut berfungsi.
Apa yang dikatakan catatan independen tentang GPT-6.1 Sol
GPT-6.1 Sol memiliki sesuatu yang tidak dimiliki MAI Code 2: profil pihak ketiga. Artificial Analysis memberinya skor 55 pada Intelligence Index v5.0.1, komposit sembilan evaluasi yang sama yang digunakan untuk mengukur semua model lain di kelas ini, dan mencatat $1,27 per tugas indeks, 23,3 menit per tugas, 145 detik hingga token jawaban pertama, dan 49 token per detik keluaran.

Di dalam lini OpenAI sendiri, situasinya telah berubah. GPT-6.2 Sol mencetak skor 57 dengan biaya $1,01 per tugas, sehingga model yang dijadikan pembanding benchmark oleh Microsoft telah dikalahkan sekaligus ditawarkan lebih murah oleh penerusnya sendiri. Itu bukan argumen menentang MAI Code 2 — model yang lebih murah mengalahkan model lama yang lebih mahal justru persis seperti yang seharusnya dilakukan sebuah peluncuran berbasis harga-kinerja. Itu adalah argumen menentang memperlakukan angka 98% sebagai deskripsi dari frontier saat ini. Penyampaian yang jujur adalah bahwa Microsoft menyamai model kuat dari generasi sebelumnya pada 40% dari harganya, dan belum menunjukkan bagaimana performanya terhadap model yang kini sudah dirilis.
Ke mana token-token itu pergi, di situlah letak perbedaan sesungguhnya.
Angka 40% Microsoft adalah angka biaya per tugas, bukan rasio harga. Rasio harganya adalah 25% — $0.50 terhadap $2.00 untuk input, $2.50 terhadap $10.00 untuk output. Agar rasio biaya berada di 40% sementara rasio harga berada di 25%, MAI Code 2 harus menghabiskan lebih banyak token per tugas daripada GPT-6.1 Sol, kira-kira 1,6 kali lipat menurut perhitungan saya atas dua rasio yang dipublikasikan itu. Itu adalah inferensi, bukan klaim Microsoft, dan tarif input/output gabungan membuatnya menjadi perkiraan.
Dua hal menyusul. Pertama, MAI Code 2 lebih murah per tugas yang diselesaikan tetapi tidak lebih murah per token seperti yang tersirat dalam judul, sehingga beban kerja apa pun yang dihargai per token alih-alih per tugas akan memperoleh penghematan yang lebih kecil daripada 60%. Kedua, perilaku yang haus token berinteraksi buruk dengan tangga upaya penalaran: kedua model menyediakan tingkat upaya, keduanya di-benchmark pada upaya maksimum, dan tim yang berjalan pada upaya maksimum di sisi mana pun membayar token berpikir dua kali. Menurunkan ke pengaturan upaya yang lebih rendah pada pekerjaan rutin biasanya merupakan penghematan yang lebih besar daripada berganti model.
Akses: yang satu adalah API, yang lainnya adalah fitur langganan
GPT-6.1 Sol dapat dipanggil di API OpenAI dengan ID model, kebijakan snapshot yang terdokumentasi, cut-off pengetahuan 30 April 2026, serta dukungan untuk tools, structured outputs, response format, dan seed. Model ini juga tersedia di ChatGPT Work dan Codex pada paket Plus, Pro, Business, Enterprise, dan Edu.
MAI Code 2 adalah fitur Copilot, bukan API. Anda mengaksesnya melalui langganan GitHub — Pro hingga Enterprise — dan klien apa pun yang sudah Anda gunakan, dari VS Code hingga Xcode. Fitur ini tidak tersedia di Microsoft Foundry; hanya MAI Code 2 Flash yang memiliki pratinjau Foundry, melalui Responses API yang kompatibel dengan OpenAI. Tidak ada endpoint yang dipublikasikan untuk MAI Code 2 itu sendiri, tidak ada tanggal untuk itu, dan tidak ada distribusi bobot di bawah lisensi apa pun.
Bagi tim yang kodenya berada di GitHub dan para developernya sudah bekerja di Copilot, itu adalah jawaban yang baik dan bisa dibilang lebih baik daripada kunci API. Bagi bot CI, framework agen internal, pipeline peninjauan kode, atau apa pun yang memiliki orkestrasi sendiri, GPT-6.1 Sol adalah model yang dapat Anda panggil dan MAI Code 2 bukan.
Yang mana yang harus dipilih
• Pekerjaan pengembang yang native Copilot, sensitif biaya, volume tinggi — MAI Code 2 seharga $0.50 dan $2.50, serta MAI Code 2 Flash seharga $0.05 dan $0.25 untuk tier rutin, adalah pilihan yang jauh lebih murah.
• Integrasi aplikasi, agen, atau CI — {{1}}GPT-6.1 Sol{{/1}}, karena memiliki API. {{2}}MAI Code 2{{/2}} memiliki langganan.
Apa pun di atas 272.000 token per permintaan — tingkat prompt panjang GPT-6.1 Sol menggandakan tarif input, yang semakin menggerus posisi harganya; MAI Code 2 tidak menerbitkan tingkat yang setara, yang merupakan celah dalam dokumentasi alih-alih janji tidak adanya tingkat tersebut.
• Menulis kode dalam bahasa selain Inggris — kartu model tidak mengizinkannya saat rilis untuk MAI Code 2; OpenAI tidak memberlakukan batasan semacam itu pada GPT-6.1 Sol
• Pekerjaan otonom jangka panjang — Microsoft secara eksplisit menyatakan bahwa MAI Code 2 tidak disetel untuk pekerjaan agentik dengan horizon sangat panjang dan tidak ditujukan untuk tindakan berdampak tanpa pengawasan. Posisi GPT-6.1 Sol lebih luas, meskipun penghentian penggunaan versi itu sendiri menjadi alasan untuk melihat GPT-6.2 Sol sebagai gantinya.
Menetapkan harga perbandingan pada satu kunci

GPT-6.1 Sol tersedia di OrcaRouter dengan harga daftar penyedia tanpa markup 0% — $2.00 untuk input dan $10.00 untuk output per juta token — begitu pula Claude Opus 5.5 dan Gemini 4 Carbon, semuanya di balik satu kunci. GPT-6.2 Sol belum ada di katalog, jadi pertanyaan soal penerusnya tidak bisa diselesaikan di sini; yang bisa dilakukan adalah mematok biaya depresiasi 6.1 Sol secara jujur dan mencermati tagihan per tugas, alih-alih mengasumsikan bahwa model yang lebih baru adalah yang lebih mahal. Ternyata bukan — di Artificial Analysis, 6.2 Sol memakan biaya $1.01 per tugas indeks dibandingkan $1.27 untuk 6.1.
MAI Code 2 tidak ada di katalog kami; satu-satunya jalur yang dipublikasikan adalah GitHub Copilot. Jika Microsoft membuka endpoint Foundry untuk model besar itu, eksperimen pertama yang berguna bukanlah peralihan, melainkan pemisahan: MAI Code 2 pada lalu lintas perbaikan sehari-hari di mana keunggulan harganya paling besar, model frontier yang terukur pada refactor dan pekerjaan berjangka panjang, dan failover otomatis di bawahnya sehingga model yang belum terbukti tidak pernah menjadi titik kegagalan tunggal. Angka 40% layak diuji. Angka 98% layak diuji secara terpisah, di repositori Anda sendiri, sebelum siapa pun merencanakan migrasi berdasarkan angka itu.
