
MAI Code 2 vs Qwen 4 Max: nove giorni, due listini prezzi, un endpoint
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 180 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 223 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 98 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
C'è una scadenza nascosta in questo confronto. Qwen 4 Max — che Alibaba scrive Qwen4-Max e che l'API elenca come qwen4-max — è passato alla tariffazione a consumo il 16 novembre 2026, e le stringhe dei modelli in anteprima che ha sostituito — qwen4-max-preview e qwen4.0-max-preview — smettono di rispondere alle 24:00 UTC+8 del 25 novembre 2026. Sono nove giorni da oggi. MAI Code 2, che Microsoft ha rilasciato un giorno dopo la disponibilità generale di Qwen4-Max, all'Ignite del 17 novembre 2026, non ha un simile conto alla rovescia: è raggiungibile solo selezionandolo all'interno di un client GitHub Copilot, a 0,50 $ per milione di token in input e 2,50 $ per milione in output con una tariffa promozionale valida fino al 17 maggio 2027. Quindi uno di questi due modelli ha una scadenza di migrazione che puoi ancora mancare, e l'altro ha una data di scadenza attorno a cui puoi pianificare. Nessuno dei due è un benchmark, e insieme spiegano gran parte di ciò che distingue la coppia.
La questione del prezzo e la questione dell'accesso qui puntano in direzioni opposte, e solo una delle due può essere risolta leggendo un tariffario.
Due modelli lanciati a un giorno di distanza l'uno dall'altro e in disaccordo su tutto il resto
MAI Code 2 è arrivato a Microsoft Ignite come uno di un gruppo di sette modelli su un unico palco, e la sua scelta progettuale distintiva è che non esiste al di fuori degli strumenti del suo fornitore. Qwen4-Max di Alibaba è uscito dall'anteprima il giorno prima, dopo un periodo di Token Plan a Singapore, e la sua scelta progettuale distintiva è l'opposto: misurazione per token in sei regioni, quattro protocolli API e una scheda tecnica documentata con le parti scomode lasciate dentro.
Quelle ventiquattro ore raccontano tutta la storia delle due. Una delle due aziende ha rilasciato un modello ottimizzato per un abbonamento che già vende. L'altra ha rilasciato un modello ottimizzato per un'API che già gestisce. Ogni differenza elencata di seguito deriva da questo, ed è per questo che vale la pena fare il confronto.
Le tariffe, con gli sconti che scadono
Input — MAI Code 2 a $0,50 per milione di token contro Qwen4-Max a $1,50 a Singapore, oppure $1,413 nelle regioni Global; MAI è un terzo della tariffa di Singapore
Output — 2,50 $ contro 4,50 $ e 4,24 $; il rapporto si restringe al 56%
• Input in cache — $0.025 contro $0.075 a Singapore e $0.071 altrove; un divario di 3×, il vantaggio più ridotto dell'elenco
• Scritture nella cache: Microsoft non ne pubblica nessuna, a fronte di Qwen4-Max a $1,875 per milione per una scrittura di cinque minuti e $3,00 per un'ora
• Dal 17 maggio 2027 — MAI Code 2 raddoppia a $1,00 / $0,05 / $5,00; a quel punto la sua tariffa di input è ancora inferiore a quella di Qwen4-Max e la sua tariffa di output è superiore.
• Contesto — 991.808 token di input su Qwen4-Max, che scendono a 983.616 in modalità di pensiero, contro 1 milione di token su MAI Code 2 all'interno di VS Code e Copilot CLI
• Budget di output — non pubblicato da Microsoft, a fronte di un budget di 262.144 token condiviso tra ragionamento e risposta su Qwen4-Max
• Pesi — nessuno dei due è scaricabile. Microsoft lo dichiara esplicitamente; il livello Max di Qwen4-Max non comporta alcun impegno sui pesi aperti, a differenza del livello 27B della stessa famiglia
La voce relativa all'input in cache è decisiva per le lunghe esecuzioni degli agenti e contraddice il dato di copertina. La lettura dalla cache di Qwen4-Max è pari al 5% della sua stessa tariffa di input, e l'esempio di calcolo pubblicato — un output di 8.000 token più un prefisso letto due volte — trasforma tre passaggi identici in 0,918 $ contro 1,908 $ senza caching. Un team che mantiene un prompt di sistema e uno schema degli strumenti fissi davanti a una domanda che cambia ottiene uno sconto effettivo molto maggiore di quanto implichi la tariffa di input. Lo sconto del 95% sulla cache di MAI Code 2 su una base inferiore è paragonabile per tipo, ma Microsoft non pubblica alcun costo di scrittura in cache, il che rende difficile confrontare le due schede sulla dimensione in cui i carichi di lavoro agentici spendono la maggior parte dei propri soldi.
Il budget di output si è ridotto avvicinandosi alla disponibilità generale.
Il fatto meno riportato sul GA di Qwen4-Max è che l'anteprima gli ha dato più spazio per pensare. In anteprima il budget condiviso tra pensiero e risposta era di 393.216 token; al GA è di 262.144. L'output in modalità non-thinking è limitato a 131.072. Un terzo del margine è sparito nello stesso momento in cui il modello ha ottenuto un listino prezzi reale e cinque nuove regioni.
Se si tratti di una regressione dipende dal tuo carico di lavoro, ma è un delta documentato che chiunque stia ancora puntando una configurazione alle stringhe di anteprima deve conoscere, perché quelle stringhe verranno ritirate tra nove giorni. L'identificatore qwen4-max è quello che sopravvive.
L'equivalente di MAI Code 2 non è pubblicato. Microsoft documenta una finestra di contesto di 1 milione di token e livelli di ragionamento configurabili — la documentazione di Copilot conferma che la profondità del ragionamento è regolabile e segnala che il contesto esteso è una funzionalità di VS Code e Copilot CLI — ma non esiste alcun limite massimo di output in nessun documento Microsoft, quindi non c'è nulla da confrontare con il valore di 262.144. Questa asimmetria attraversa l'intero confronto: Qwen4-Max ti dice i numeri scomodi, e MAI Code 2 ti dice quelli lusinghieri.
Cosa dicono i punteggi indipendenti, dalla parte che li ha
Artificial Analysis colloca Qwen4-Max a 43 sull'Intelligence Index v5.0.1, con un costo di $3,27 per attività dell'indice, 32,1 minuti per attività, 55 token al secondo in output e 155,4 secondi al primo token di risposta, su una finestra di contesto che misura 984k. Sono numeri di metà classifica. La nota sulla verbosità nella stessa pagina è la lettura più utile: il modello ha generato circa il doppio dei token di output rispetto al modello mediano durante l'esecuzione dell'indice, quindi il suo prezzo nominale per token sottostima il suo costo reale per attività.
MAI Code 2 non ha alcuna riga in Artificial Analysis — nessuna pagina del modello, quindi nessuna lettura dell'indice. Ciò che esiste è il post di lancio di Microsoft: quattro benchmark denominati, tre eseguiti sulla piattaforma interna MSBench dell'azienda tramite GitHub Copilot CLI con subagenti disabilitati al massimo sforzo di ragionamento, il quarto proveniente da Artificial Analysis, e i risultati espressi come il 96% delle prestazioni di Claude Opus 5.5 al 5% del costo e il 98% di quelle di GPT-6.1 Sol al 40%. Non è pubblicato alcun tasso di superamento per benchmark.
Confrontali onestamente e non puoi metterli in classifica. Il 43 di Qwen4-Max su un indice neutro è nella media; i rapporti di MAI Code 2 sono forti di per sé; misurano cose diverse su harness diversi e nessuno dei due fornitori ha eseguito quelli dell'altro. Quello che puoi dire è che il numero di Qwen4-Max è verificabile e quello di MAI Code 2 no, il che è un'affermazione sulle prove rather than sulle capacità.

I verbi che ciascun modello è stato addestrato a eseguire
Il posizionamento di Microsoft per MAI Code 2 è ristretto e specifico: portare il codice in produzione, debug approfondito, implementazione su più file, ragionamento sull'intero repository, lavoro sull'interfaccia utente e dashboard e visualizzazione. Il post di lancio è altrettanto specifico sui confini — i modelli sono «esplicitamente non ancora ottimizzati per problemi più difficili, come la ricerca scientifica fondamentale e il lavoro agentico su orizzonti molto lunghi» — e la dichiarazione sulla valutazione frontend in cieco, con una preferenza del 64% dei revisori rispetto a GPT-6 Sol, è circoscritta esattamente a quella forza nella codifica visiva.
Il posizionamento di Qwen4-Max è più ampio per costruzione, e la sua documentazione lo dimostra: input testuale, immagini e video, output strutturato, parallel tool calling, prefix completion, ricerca web e caching sia esplicito sia implicito, su OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e DashScope. L'inferenza batch esiste solo a Pechino, e solo il percorso Batch File usufruisce dello sconto — Batch Chat è indicato alla tariffa in tempo reale, quindi la parola "batch" nel nome di un endpoint non è lì una garanzia di prezzo.
Questa è l'asimmetria pratica tra un modello per il coding e un modello generalista. MAI Code 2 è probabilmente migliore in ciò per cui è stato costruito, e Microsoft dispone di benchmark interni che non ti mostrerà. Qwen4-Max farà molte più cose, e la lettura indipendente di Alibaba stessa afferma che nella metà del coding è solo competente.
Dove eseguire ciascuno e a cosa serve davvero un router qui
MAI Code 2 è disponibile in GitHub Copilot per i piani Pro, Pro+, Max, Business ed Enterprise, su Windows, macOS e Linux, in Copilot CLI e Visual Studio Code. MAI Code 2 Flash è l'unico modello della famiglia con un'interfaccia API — un'anteprima ad accesso limitato in Microsoft Foundry tramite un'API Responses compatibile con OpenAI. Qwen4-Max è sulla piattaforma proprietaria di Alibaba in sei regioni. Nessuno dei due è oggi nel catalogo di OrcaRouter, quindi nessuna affermazione di instradarli sarebbe vera.
Quello che il catalogo contiene davvero è Qwen3.8-Max a $2,00 e $6,00 a Singapore — il modello Qwen4-Max costa il 25% in meno su entrambi i lati del conteggio — più i modelli di frontiera con cui confronteresti un coder economico: Claude Opus 5.5, Kimi K3.1 Pro, Gemini 4 Carbon. Tutti al prezzo di listino del provider, con 0% di ricarico, tutti su un'unica chiave. Questo conta per un tipo specifico di decisione: se intendi scegliere tra MAI Code 2 e Qwen4-Max eseguendoli entrambi sui tuoi repository, il confronto ha bisogno di un controllo, e il controllo è misurabile oggi mentre nessuno dei due candidati lo è.
L'argomentazione sul routing che sopravvive al contatto con questi due modelli non è "mettere entrambi dietro un unico endpoint". È che l'endpoint che controlli tu è dove risiede il fallback. Una pipeline che chiama Qwen3.8-Max può passare a un secondo provider senza modifiche al codice; una postazione Copilot non può passare a nulla, perché sotto di essa non c'è nulla da instradare.
Come scegliere senza un benchmark condiviso
Scegli Qwen4-Max se il modello deve rispondere a una richiesta che il tuo codice costruisce. Questo è l'intero caso ed è decisivo: un'API con quattro protocolli e sei regioni contro una voce del selettore di modelli non è una gara equilibrata per nulla di automatizzato. Migra dalle stringhe di anteprima prima del 25 novembre, metti in conto la verbosità esposta dall'esecuzione dell'indice e prevedi un tetto di output inferiore di un terzo rispetto a quello dell'anteprima.
Scegli MAI Code 2 se gli sviluppatori sono già in Copilot e il lavoro è la routine di riparazione aziendale per cui Microsoft lo ha prezzato. A un terzo della tariffa di input di Qwen4-Max e appena sopra la metà di quella di output, anche un modello che richiede un secondo tentativo può vincere sul costo per attività completata — e, a differenza di Qwen4-Max, la sua tariffa promozionale ha una data di scadenza dichiarata anziché un listino aperto che non controlli.
Non scegliere nessuno dei due se il carico di lavoro richiede un punteggio che puoi difendere davanti a un comitato di approvvigionamento. Un modello ha una valutazione indipendente mediocre; l’altro non ha alcuna valutazione indipendente. In quella situazione, la mossa difendibile è testare quello che puoi mettere a confronto con un modello presente in una classifica neutrale, sui tuoi stessi task, e confrontare il costo per attività completata invece del prezzo per token.


Ciò che cambierebbe il verdetto è un singolo numero assoluto da Microsoft. Un tasso di successo su Terminal Bench 2.1, pubblicato come Moonshot ha pubblicato il 65,7% su Terminal-Bench 4.0, permetterebbe a un acquirente di collocare MAI Code 2 sullo stesso asse del 43 di Qwen4-Max e di smettere di affidarsi a un rapporto. Fino ad allora la scelta è tra un modello che puoi misurare e uno sconto che puoi verificare, e il consiglio onesto è di prendere quello misurabile per tutto ciò che è automatizzato e lo sconto per tutto ciò davanti a cui c'è una persona seduta.
Confrontati in questo articolo1
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
