
MAI Code 2 vs Qwen 4 Max: Sembilan Hari, Dua Kartu Tarif, Satu Endpoint
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 180 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 223 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 · 98 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 · 79 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 · 118 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 · 94 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Ada tenggat waktu yang tersembunyi di dalam perbandingan ini. Qwen 4 Max — yang oleh Alibaba ditulis sebagai Qwen4-Max, dan yang oleh API dicantumkan sebagai qwen4-max — mulai dikenakan tarif berbasis pemakaian pada 16 November 2026, dan string model pratinjau yang digantikannya — qwen4-max-preview dan qwen4.0-max-preview — berhenti merespons pada 24:00 UTC+8 tanggal 25 November 2026. Itu sembilan hari dari hari ini. MAI Code 2, yang dirilis Microsoft satu hari setelah Qwen4-Max mencapai GA, di Ignite pada 17 November 2026, tidak memiliki tenggat semacam itu: model ini hanya dapat diakses dengan memilihnya di dalam klien GitHub Copilot, dengan tarif $0.50 per juta token masukan dan $2.50 per juta token keluaran pada tarif promosi yang berlaku hingga 17 Mei 2027. Jadi, salah satu dari dua model ini memiliki tenggat migrasi yang masih bisa Anda lewatkan, dan yang lainnya memiliki tanggal kedaluwarsa yang dapat Anda rencanakan. Tidak satu pun dari itu adalah tolok ukur, dan keduanya menjelaskan sebagian besar hal yang membedakan pasangan ini.
Pertanyaan tentang harga dan pertanyaan tentang akses di sini mengarah ke arah yang berlawanan, dan hanya salah satunya yang dapat diselesaikan dengan membaca kartu tarif.
Dua model yang diluncurkan berselang satu hari dan tak sepakat soal segala hal lainnya
MAI Code 2 hadir di Microsoft Ignite sebagai salah satu dari sekumpulan tujuh model di satu panggung, dan pilihan desain yang menjadi ciri khasnya adalah bahwa model itu tidak ada di luar perkakas vendornya. Qwen4-Max milik Alibaba keluar dari pratinjau sehari sebelumnya, setelah periode Token Plan di Singapura, dan pilihan desain yang menjadi ciri khasnya justru sebaliknya: pengukuran per token di enam wilayah, empat protokol API, dan lembar spesifikasi terdokumentasi dengan bagian-bagian yang canggung dibiarkan tetap ada.
Dua puluh empat jam itu merangkum seluruh cerita tentang pasangan ini. Satu perusahaan merilis model yang dioptimalkan untuk langganan yang sudah dijualnya. Perusahaan lain merilis model yang dioptimalkan untuk API yang sudah dioperasikannya. Setiap perbedaan di bawah ini bermula dari sana, dan itulah sebabnya perbandingan ini layak dilakukan.
Kartu tarif, dengan diskon yang kedaluwarsa
• Input — MAI Code 2 seharga $0.50 per juta token dibandingkan Qwen4-Max seharga $1.50 di Singapura, atau $1.413 di wilayah Global; MAI adalah sepertiga dari tarif Singapura
• Keluaran — $2,50 dibandingkan $4,50 dan $4,24; rasionya menyempit menjadi 56%
• Input yang di-cache — $0,025 dibandingkan $0,075 di Singapura dan $0,071 di tempat lain; selisih 3×, keunggulan terkecil dalam daftar
• Penulisan cache — Microsoft tidak memublikasikan apa pun, dibandingkan dengan Qwen4-Max sebesar $1.875 per juta untuk penulisan lima menit dan $3.00 untuk satu jam
• Mulai 17 Mei 2027 — MAI Code 2 naik dua kali lipat menjadi $1.00 / $0.05 / $5.00, pada saat itu tarif inputnya masih lebih rendah daripada Qwen4-Max dan tarif outputnya lebih tinggi darinya
• Konteks — 991.808 token input pada Qwen4-Max, turun menjadi 983.616 dalam mode berpikir, dibandingkan dengan 1 juta token pada MAI Code 2 di dalam VS Code dan Copilot CLI
• Anggaran keluaran — tidak dipublikasikan oleh Microsoft, dibandingkan dengan anggaran 262.144 token yang dibagi antara penalaran dan jawaban pada Qwen4-Max
• Bobot model — keduanya tidak dapat diunduh. Microsoft menyatakan ini secara eksplisit; tier Max milik Qwen4-Max tidak membawa komitmen bobot terbuka, tidak seperti tier 27B dari keluarga yang sama
Baris input cache menentukan jalannya proses agen yang panjang, dan itu berlawanan dengan angka utamanya. Pembacaan cache Qwen4-Max adalah 5% dari tarif inputnya sendiri, dan contoh perhitungan yang diterbitkannya — output 8.000 token ditambah prefiks yang dibaca dua kali — mengubah tiga proses identik menjadi $0,918 dibandingkan $1,908 tanpa caching. Tim yang mempertahankan system prompt dan skema alat yang tetap di depan pertanyaan yang bergerak mendapatkan diskon efektif yang jauh lebih besar daripada yang tersirat dari tarif input. Diskon cache 95% MAI Code 2 pada dasar yang lebih rendah sebanding secara jenis, tetapi Microsoft tidak menerbitkan biaya penulisan cache, sehingga kedua kartu sulit dibandingkan pada satu dimensi tempat beban kerja agentik membelanjakan sebagian besar uang mereka.
Anggaran keluaran menyusut dalam perjalanan menuju ketersediaan umum
Fakta yang paling jarang dilaporkan tentang GA Qwen4-Max adalah bahwa pratinjau memberinya lebih banyak ruang untuk berpikir. Pada tahap pratinjau, anggaran gabungan untuk berpikir dan menjawab adalah 393.216 token; pada tahap GA menjadi 262.144. Output non-berpikir dibatasi hingga 131.072. Sepertiga dari ruang cadangan itu hilang pada saat yang sama ketika model memperoleh daftar harga resmi dan lima wilayah baru.
Apakah itu regresi bergantung pada beban kerja Anda, tetapi itu adalah delta terdokumentasi yang perlu diketahui oleh siapa pun yang masih mengarahkan konfigurasi ke string pratinjau, karena string tersebut akan dihentikan dalam sembilan hari. Pengenal qwen4-max adalah yang bertahan.
Padanan MAI Code 2 tidak dipublikasikan. Microsoft mendokumentasikan jendela konteks 1 juta token dan tingkat penalaran yang dapat dikonfigurasi — dokumentasi Copilot mengonfirmasi bahwa kedalaman penalaran dapat disesuaikan dan mencatat bahwa konteks diperluas merupakan fitur VS Code dan Copilot CLI — tetapi tidak ada batas maksimum keluaran dalam dokumen Microsoft mana pun, jadi tidak ada yang dapat dibandingkan dengan angka 262.144. Asimetri itu mewarnai seluruh perbandingan ini: Qwen4-Max memberi tahu Anda angka-angka yang kurang mengenakkan, dan MAI Code 2 memberi tahu angka-angka yang menyenangkan.
Apa yang dikatakan skor independen, dari satu-satunya pihak yang memilikinya
Artificial Analysis mencantumkan Qwen4-Max pada angka 43 di Intelligence Index v5.0.1, dengan biaya $3,27 per tugas indeks pada 32,1 menit per tugas, 55 token per detik keluaran, dan 155,4 detik hingga token jawaban pertama, pada jendela konteks yang diukurnya sebesar 984k. Itu angka-angka kelas menengah. Catatan verbositas di halaman yang sama adalah pembacaan yang lebih berguna: model tersebut menghasilkan sekitar dua kali lipat token keluaran model median dalam pengujian indeks, sehingga harga token nominalnya meremehkan biaya riilnya per tugas.
MAI Code 2 tidak memiliki baris Artificial Analysis sama sekali — tidak ada halaman model, jadi tidak ada pembacaan indeks. Yang ada adalah postingan peluncuran Microsoft: empat benchmark bernama, tiga dijalankan di platform internal perusahaan MSBench melalui GitHub Copilot CLI dengan subagen dinonaktifkan pada upaya penalaran maksimum, yang keempat bersumber dari Artificial Analysis, dan hasilnya dinyatakan sebagai 96% dari kinerja Claude Opus 5.5 dengan 5% biaya dan 98% dari GPT-6.1 Sol dengan 40%. Tidak ada tingkat kelulusan per benchmark yang dipublikasikan.
Jika dibandingkan secara jujur, Anda tidak dapat memeringkat keduanya. Angka 43 Qwen4-Max pada indeks netral tergolong sedang; rasio MAI Code 2 kuat dalam konteksnya sendiri; keduanya mengukur hal yang berbeda pada harness yang berbeda dan tidak ada vendor yang telah menjalankan milik vendor lain. Yang bisa Anda katakan adalah bahwa angka Qwen4-Max dapat diaudit dan angka MAI Code 2 tidak, yang merupakan pernyataan tentang bukti, bukan tentang kemampuan.

Kata kerja yang dilatih untuk dilakukan oleh masing-masing model
Posisi Microsoft untuk MAI Code 2 sempit dan spesifik: membawa kode ke produksi, debugging mendalam, implementasi multi-file, penalaran seluruh repo, pekerjaan UI, serta dasbor dan visualisasi. Posting peluncuran juga sama spesifiknya tentang batasannya — model-model tersebut "secara eksplisit belum disetel untuk masalah yang lebih sulit, seperti penelitian sains dasar dan pekerjaan agentic dengan horizon sangat panjang" — dan klaim evaluasi frontend buta, preferensi peninjau sebesar 64% dibandingkan GPT-6 Sol, dibatasi tepat pada kekuatan pengodean visual tersebut.
Posisi Qwen4-Max lebih luas secara desain, dan dokumentasinya menunjukkan hal itu: input teks, gambar, dan video, output terstruktur, pemanggilan alat paralel, penyelesaian prefiks, pencarian web, serta caching eksplisit dan implisit, di seluruh OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, dan DashScope. Inferensi batch hanya tersedia di Beijing, dan hanya jalur Batch File yang mendapat diskon — Batch Chat tercantum pada tarif real-time, jadi kata "batch" dalam nama endpoint bukan jaminan harga di sana.
Itulah asimetri praktis antara model coding dan model umum. MAI Code 2 mungkin lebih baik dalam hal yang menjadi tujuan pembuatannya, dan Microsoft memiliki tolok ukur internal yang tidak akan mereka tunjukkan kepada Anda. Qwen4-Max akan melakukan jauh lebih banyak hal, dan pembacaan independen Alibaba sendiri menyatakan bahwa model itu hanya cukup kompeten pada bagian coding.
Di mana masing-masing dijalankan, dan untuk apa sebenarnya sebuah router di sini
MAI Code 2 tersedia di GitHub Copilot melalui Pro, Pro+, Max, Business, dan Enterprise, di Windows, macOS, dan Linux, dalam Copilot CLI dan Visual Studio Code. MAI Code 2 Flash adalah satu-satunya model dalam keluarga ini yang memiliki antarmuka API — pratinjau akses terbatas di Microsoft Foundry melalui API Responses yang kompatibel dengan OpenAI. Qwen4-Max ada di platform milik Alibaba sendiri di enam region. Keduanya saat ini tidak ada dalam katalog OrcaRouter, sehingga klaim mana pun bahwa keduanya dirutekan melalui OrcaRouter tidak akan benar.
Yang memang ada di katalog adalah Qwen3.8-Max dengan harga $2.00 dan $6.00 di Singapura — model Qwen4-Max 25% lebih murah daripada pada kedua sisi meteran — ditambah model-model terdepan yang akan Anda jadikan pembanding untuk coder murah: Claude Opus 5.5, Kimi K3.1 Pro, Gemini 4 Carbon. Semua dengan harga daftar penyedia tanpa markup 0%, semua dalam satu kunci. Itu penting untuk jenis keputusan tertentu: jika Anda berniat memilih antara MAI Code 2 dan Qwen4-Max dengan menjalankan keduanya di repositori Anda sendiri, perbandingan tersebut memerlukan kontrol, dan kontrol itu dapat diukur hari ini sementara tidak satu pun dari kandidatnya dapat diukur.
Argumen perutean yang tetap valid ketika diuji terhadap kedua model ini bukanlah "menempatkan keduanya di belakang satu endpoint." Argumennya adalah bahwa endpoint yang Anda kendalikan adalah tempat fallback berada. Pipeline yang memanggil Qwen3.8-Max dapat failover ke penyedia kedua tanpa perubahan kode; seat Copilot tidak dapat failover ke apa pun, karena tidak ada apa pun di bawahnya yang dapat dirutekan.
Cara memilih tanpa tolok ukur bersama
Pilih Qwen4-Max jika model harus menjawab permintaan yang dibuat oleh kode Anda. Itulah seluruh pertimbangannya dan itu menentukan: API dengan empat protokol dan enam wilayah versus satu entri pemilih model bukanlah persaingan yang imbang untuk apa pun yang otomatis. Migrasikan dari string pratinjau sebelum 25 November, anggarkan untuk verbositas yang diungkap oleh proses indeks, dan anggarkan batas output sepertiga lebih kecil daripada milik pratinjau.
Ambil MAI Code 2 jika para developer sudah berada di Copilot dan pekerjaannya adalah perbaikan enterprise rutin yang memang untuk itu Microsoft menetapkan harganya. Dengan tarif input sepertiga dari Qwen4-Max dan tarif output sedikit di atas setengahnya, bahkan model yang membutuhkan percobaan kedua pun bisa menang dalam hal biaya per tugas yang selesai — dan tidak seperti Qwen4-Max, tarif promosinya memiliki tanggal berakhir yang jelas, bukan kartu tanpa batas yang tidak Anda kendalikan.
Jangan pilih keduanya jika beban kerja membutuhkan skor yang dapat Anda pertanggungjawabkan di hadapan komite pengadaan. Salah satu model memiliki penilaian independen yang biasa saja; model lainnya sama sekali tidak memiliki penilaian independen. Dalam situasi itu, langkah yang dapat dipertanggungjawabkan adalah menjalankan model mana pun yang dapat Anda panggil terhadap model yang ada di papan peringkat netral, pada tugas Anda sendiri, dan membandingkan biaya tugas yang selesai, bukan harga token.


Yang akan mengubah putusan adalah satu angka absolut dari Microsoft. Tingkat kelulusan Terminal Bench 2.1, yang dipublikasikan sebagaimana Moonshot mempublikasikan 65,7% pada Terminal-Bench 4.0, akan memungkinkan pembeli menempatkan MAI Code 2 pada sumbu yang sama dengan 43 milik Qwen4-Max dan berhenti mengandalkan rasio. Sampai saat itu, pilihannya adalah antara model yang bisa Anda ukur dan diskon yang bisa Anda verifikasi, dan saran jujurnya adalah ambil yang terukur untuk apa pun yang otomatis dan diskon untuk apa pun yang di depannya ada orang.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
