Scheda di confronto generata che mostra MAI Code 2 a $0,50 di input e $2,50 di output per milione di token rispetto a Claude Opus 5.5 a $4,00 e $20,00, con l'affermazione del 96 percento di prestazioni e del 5 percento di costi etichettata come riportata dal fornitore.
Guides & Insights

MAI Code 2 vs Claude Opus 5.5: cosa omette l'affermazione del 96% per il 5%

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Il confronto tra MAI Code 2 e Claude Opus 5.5 ha un numero che tutti citano e nessuno può verificare. Microsoft afferma che MAI Code 2 raggiunge il 96% delle prestazioni di Opus 5.5 su quattro benchmark di programmazione a un costo pari al 5%. Opus 5.5 è disponibile a livello generale dal 22 settembre 2026, ha un tariffario pubblicato e si colloca a 59 sull'Artificial Analysis Intelligence Index. MAI Code 2 è stato rilasciato il 17 novembre 2026 con un proprio tariffario e nessun punteggio indipendente — è richiamabile all'interno di GitHub Copilot e in nessun altro luogo, e Artificial Analysis non aveva una voce per esso al momento della stesura. Quindi il confronto onesto non è due colonne di numeri. È un modello che puoi misurare e un modello di cui puoi solo prendere per buona la parola di Microsoft, più una differenza di prezzo abbastanza grande da rendere quella parola degna di essere presa sul serio finché qualcuno non lo mette alla prova.

Le due schede tariffarie, prima di qualsiasi percentuale

Microsoft addebita MAI Code 2 per token tramite GitHub Copilot con fatturazione basata sull'utilizzo, a tariffe promozionali che scadono a una data pubblicata. Anthropic addebita Opus 5.5 per token a listino, senza scadenza.

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 a 0,50 $ per milione di token contro Claude Opus 5.5 a 4,00 $; Opus costa 8× di più per token di input

• Output — $2.50 vs $20.00 per milione; lo stesso divario di 8×

• Input in cache — $0,025 vs $0,20 per milione; ancora 8×

• Dopo il 17 maggio 2027 — MAI Code 2 viene riprezzato a $1.00 / $0.05 / $5.00, il che riduce il divario a 4× per l'input e 4× per l'output

• Contesto — Opus 5.5 ha pubblicato una finestra di 1.000.000; MAI Code 2 ne ha pubblicata una da 1.050.000, ovvero il 5% in più di finestra e non più utile senza un retrieval che regga fino in fondo

• Output massimo — 128.000 token su entrambi

• Modalità di input — Opus 5.5 accetta file insieme a testo e immagini; la scheda modello di MAI Code 2 elenca solo testo e immagini

• Disponibilità dei pesi — non puoi scaricare nessuno dei due, per ragioni diverse: Opus 5.5 è proprietario, e MAI Code 2 è venduto solo come servizio ospitato

Quella tabella è il punto in cui i due modelli sono realmente confrontabili, e produce un rapporto di prezzo del 12,5%, non del 5%. Il valore del 5% è un numero di costo per attività, che è una misura diversa: divide la spesa totale per le attività completate, quindi assorbe quanti token consuma ciascun modello al massimo sforzo di ragionamento. Un modello che ragiona in modo più efficiente, o semplicemente si ferma prima, può arrivare al 5% pur facendo pagare il 12,5% per token. La scheda del modello conferma che tutti i confronti sono stati eseguiti al massimo sforzo, che è esattamente l'impostazione in cui i conteggi dei token divergono di più.

Da cosa è composto il 96% e chi lo ha gestito

Quattro benchmark si collocano sotto il 96%: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas e FrontierCode v1.1. Tre di essi provengono da MSBench, la piattaforma di valutazione interna di Microsoft, eseguiti tramite GitHub Copilot CLI alla versione 1.0.102 con i subagenti disabilitati. Il quarto, FrontierCode, è un dato di Artificial Analysis. La model card di Microsoft stessa riporta i tassi di superamento grezzi al massimo sforzo di ragionamento: 73,2% su DeepSWE 1.1, 84,6% su TerminalBench 2.1 e 43,1% su SWE Atlas.

Leggi quei tre numeri senza la cornice percentuale e appare un quadro diverso. SWE Atlas è il più debole dei tre al 43,1%, ed è anche il benchmark del set che non riguarda la correzione di un bug: valuta le risposte alle domande sulla base di codice, la scrittura di test e il refactoring in base a rubriche e controlli programmatici. Un modello ottimizzato per «modifiche al codice che i maintainer accetterebbero» può andare bene nei test di risoluzione delle issue e restare mediocre nello spiegare una base di codice. Microsoft non pubblica la suddivisione per benchmark rispetto a Opus 5.5, solo la media, quindi non c'è modo di vedere quale dei quattro stia sostenendo il 96% e quale lo stia trascinando giù.

I numeri del fornitore di Opus 5.5 puntano in una direzione simile, dall'altro lato. Il materiale di lancio di Anthropic riportava Terminal-Bench 4.0 al 66,4% e GDPval-AA v2.1 a 1.846 Elo. Anche questi sono dichiarati dal fornitore, non riprodotti dall'harness di Microsoft e basati su una versione del benchmark del tutto diversa — Terminal-Bench 4.0 rispetto alla 2.1 di Microsoft. Due fornitori che citano versioni diverse della stessa famiglia di test non fanno un confronto. Sono due pubblicità che si fronteggiano.

Cosa dice davvero un valutatore indipendente di Opus 5.5

Opus 5.5 è uno dei pochi modelli di questa fascia con un record completo di terze parti. Artificial Analysis lo colloca a 59 sull'Intelligence Index v5.0.1, un composito di nove valutazioni che va da Terminal-Bench 4.0 a FrontierCode-AA 2.0, passando per Terminal-Bench-Science 0.1. Le cifre di supporto sono quelle su cui pianificare: 10,04 $ per attività dell'indice, 24,5 minuti per attività, 118 token al secondo di output e 358 secondi al primo token di risposta.

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.

Due di quei numeri contano più del punteggio. Il tempo di 358 secondi al primo token di risposta è ciò che sperimenta un utente che fissa un indicatore di caricamento, e i 24,5 minuti per attività sono il tempo reale che costa effettivamente un'esecuzione lunga di un agente. Opus 5.5 non è un modello veloce; è un modello meticoloso. Un concorrente più economico non deve eguagliare il 96% della sua accuratezza per aggiudicarsi un carico di lavoro — deve solo essere sufficientemente buono nel compito specifico, e considerevolmente più veloce o più economico al margine. È questo l'intero argomento a favore di un modello prezzo-prestazioni, e Microsoft lo sostiene senza le prove indipendenti che servirebbero a dirimerlo.

Dove MAI Code 2 non può ancora arrivare

Questa è la parte che la percentuale nasconde. MAI Code 2 arriva all'interno di GitHub Copilot, su ogni livello a pagamento da Pro a Enterprise, in ogni editor in cui GitHub si estende. Si tratta di un ampio insieme di superfici e dell'infrastruttura di un unico fornitore. Al lancio non esiste una distribuzione Foundry per il modello grande; solo MAI Code 2 Flash ha una preview Foundry, tramite un'API Responses compatibile con OpenAI. Microsoft afferma che ulteriori disponibilità arriveranno, non indica alcuna data e non distribuisce pesi.

Opus 5.5, al contrario, è sull'API proprietaria di Anthropic e su tre grandi cloud, con un ID del modello, una soglia di ritiro pubblicata e una politica di snapshot documentata. Se il tuo lavoro si svolge all'interno di Copilot, il confronto è già realtà oggi. Se si svolge nel tuo framework di agenti, nella tua pipeline CI o in uno stack multi-vendor, un lato di questo confronto è un comunicato stampa.

La suddivisione del carico di lavoro che decide davvero

• La manutenzione ordinaria in ambito enterprise — correzioni integrabili, modifiche su più file, debug approfondito all'interno di un repository noto — è il compito per cui Microsoft l'ha creato e tariffato. Al 12,5% della tariffa per token di Opus oggi, persino un modello che ha bisogno di un secondo tentativo per raggiungere lo stesso tasso di successo può risultare più economico per attività completata.

• Il lavoro agentico a lungo orizzonte è l'ambito in cui Microsoft afferma che il modello non è ottimizzato, nell'annuncio e di nuovo nella model card. L'intero posizionamento di Opus 5.5 ruota attorno a quel carico di lavoro, e il suo 1.846 Elo su GDPval-AA è il numero con cui Anthropic ha scelto di aprire.

• Codebase non in inglese — non un'inferenza ma una riga nella scheda del modello: produzione di codice solo in inglese al rilascio, con le lingue meno comuni esplicitamente sottovalutate. {{1}}Opus 5.5{{/1}} non presenta alcuna avvertenza equivalente.

• Qualunque cosa che compia un'azione dalle conseguenze rilevanti senza un essere umano nel ciclo è fuori ambito da entrambe le parti, ma Microsoft lo afferma esplicitamente per MAI Code 2 e chiede flussi di lavoro agentici supervisionati.

• Un contesto superiore a un milione di token è un pareggio in pratica. Entrambi dichiarano circa un milione; nessuno dei due numeri dovrebbe essere considerato un budget operativo senza testare il recupero all'estremità più lontana.

Gestire entrambi i lati del libro mastro

Claude Opus 5.5 è nel catalogo di OrcaRouter a 4,00 $ per input e 20,00 $ per output per milione di token, il prezzo di listino del fornitore viene applicato senza ricarico (markup 0%), quindi una variazione di prezzo del fornitore arriva sulla tua fattura il giorno stesso in cui avviene, non il giorno in cui un rivenditore aggiorna un foglio. Questo conta più del solito in un confronto come questo, perché il prezzo stesso di MAI Code 2 raddoppia il 17 maggio 2027 — il rapporto che stai valutando oggi non è quello che pagherai a giugno.

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 non è nel nostro catalogo e l'unica via pubblicata per arrivarci è GitHub Copilot. Se Microsoft apre un endpoint Foundry per il modello di grandi dimensioni, la prima mossa sensata non è una migrazione ma una esecuzione in ombra: mantenere Opus 5.5 sul percorso che conta, indirizzare il modello economico verso le attività di cui conosci già la risposta e confrontare il costo per attività completata invece del prezzo per token. Questa è la forma di decisione per cui il failover automatico esiste — un modello nuovo e non collaudato su una frazione del traffico, con uno collaudato dietro se il lato economico si blocca.

Il verdetto che resiste alle prove: Opus 5.5 è il modello da tenere per il lavoro che nessuno vuole rifare, e MAI Code 2 è il modello da testare sul lavoro che viene svolto ogni giorno. Il 96% di Microsoft potrebbe benissimo reggere nell'ambiente di test di Copilot. Non è stato testato in nessun contesto che possa contraddirlo e, finché non lo sarà, il 5% è un'affermazione e il 12,5% è un tariffario.