生成された比較カードでは、MAI Code 2が100万トークンあたり入力$0.50、出力$2.50であるのに対し、Claude Opus 5.5は$4.00と$20.00で、96パーセントの性能と5パーセントのコストという主張はベンダー報告として表示されている。
Guides & Insights

MAI Code 2 対 Claude Opus 5.5:「5%で96%」という主張が省いているもの

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

比較対象であるMAI Code 2とClaude Opus 5.5の間には、誰もが引用するのに誰も検証できない数字が1つある。Microsoftは、MAI Code 2が4つのコーディングベンチマークでOpus 5.5の性能の96%に達し、コストは5%だと述べている。Opus 5.5は2026年9月22日から一般提供されており、公開された料金表を備え、Artificial Analysis Intelligence Indexでは59となっている。MAI Code 2は2026年11月17日にリリースされ、独自の料金表があるものの、独立したスコアはまったくない。GitHub Copilot内でしか呼び出せず、他のどこでも呼び出せない。そしてこれを書いている時点で、Artificial AnalysisにはMAI Code 2の行がなかった。したがって、正直な比較は数字を2列並べたものではない。それは、測定できるモデル1つと、Microsoftの言い分を信じるしかないモデル1つ、さらに、誰かが検証するまではその言い分を真剣に受け止める価値があるほど大きな価格差だ。

パーセンテージを適用する前の2つの料金表

マイクロソフトは、MAI Code 2 を GitHub Copilot 経由で使用量ベースの課金によりトークン単位で請求します。その料金は、公開された日付に失効するプロモーション料金です。Anthropic は Opus 5.5 をトークン単位で定価により請求し、失効はありません。

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.

• 入力 — MAI Code 2 は100万トークンあたり$0.50、Claude Opus 5.5 は$4.00。Opus は入力トークンあたりのコストが8倍

• 出力 — 100万あたり$2.50 対 $20.00、同じ8倍の差

• キャッシュ済み入力 — 100万あたり$0.025 対 $0.20、再び8倍

• 2027年5月17日以降 — MAI Code 2 は $1.00 / $0.05 / $5.00 に価格改定され、入力 4×、出力 4× の差に縮まります

• 背景 — Opus 5.5 はきりの良い 1,000,000 を公表し、MAI Code 2 は 1,050,000 を公表した。これは 5% 大きいウィンドウだが、遠端まで持ちこたえる検索がなければ、それ以上に有用になるわけではない

• 最大出力 — 両方とも128,000トークン

• 入力モダリティ — Opus 5.5 はテキストや画像に加えてファイルも受け付けますが、MAI Code 2 のモデルカードにはテキストと画像のみが記載されています

• 重みの入手可否 — どちらもダウンロードできませんが、理由は異なります。Opus 5.5 はプロプライエタリであり、MAI Code 2 はホステッドサービスとしてのみ販売されています

その表こそが2つのモデルを本当に比較できる場所であり、そこから算出される価格比は5%ではなく12.5%です。5%という数字はタスクあたりコストの数値であり、別の指標です。総支出を作業完了数で割るため、各モデルが最大推論エフォートでどれだけトークンを消費するかが吸収されます。より効率的に推論するモデル、あるいは単により早く停止するモデルは、トークンあたり12.5%の料金でありながら5%に落ち着くことがあります。モデルカードは、すべての比較が最大エフォートで実行されたことを確認しており、これはまさにトークン数が最も大きく異なる設定です。

96%が何からできているのか、そして誰がそれを運営していたのか

96%の内訳には4つのベンチマークがある。DeepSWE 1.1、Terminal Bench 2.1、SWE Atlas、FrontierCode v1.1だ。そのうち3つはMicrosoftの社内評価プラットフォームであるMSBenchから得られたもので、サブエージェントを無効にしたGitHub Copilot CLIバージョン1.0.102を通じて実行された。4つ目のFrontierCodeはArtificial Analysisのデータだ。Microsoft自身のモデルカードは、最大推論エフォート時の生の合格率を示している。DeepSWE 1.1で73.2%、TerminalBench 2.1で84.6%、SWE Atlasで43.1%だ。

あの3つの数字をパーセンテージという枠組みなしで読むと、別の景色が見えてくる。SWE Atlasは3つの中で最も弱く43.1%であり、しかもこのセットの中でバグ修正を扱わない唯一のベンチマークだ。コードベースに関する質疑応答、テスト作成、リファクタリングを、プログラムによるチェックだけでなくルーブリックに照らして評価する。「メンテナーがマージするような変更」に合わせて調整されたモデルは、イシュー解決のテストでは好成績を収めても、コードベースの説明となると平凡なままになりうる。マイクロソフトはOpus 5.5に対するベンチマークごとの内訳を公開しておらず、平均値しか出していないため、4つのうちどれが96%を支え、どれが足を引っ張っているのかを見るすべはない。

Opus 5.5自身のベンダー公表値も、逆側から同様の方向を示している。Anthropicの発表資料では、Terminal-Bench 4.0が66.4%、GDPval-AA v2.1が1,846 Eloと報告されていた。これらもベンダー公表の数値であり、Microsoftのハーネスによって再現されたものでもなく、しかも全く異なるベンチマークバージョン、つまりTerminal-Bench 4.0対Microsoftの2.1に基づいている。同じテスト系列の異なるバージョンを2社が引用しているのは比較ではない。向かい合った2つの広告にすぎない。

独立系評価者がOpus 5.5について実際に語っていること

Opus 5.5 は、このクラスで完全な第三者評価記録を持つ数少ないモデルの一つです。Artificial Analysis は、9つの評価を合成した Intelligence Index v5.0.1 でこれを59と評価しています。この指数は Terminal-Bench 4.0 から FrontierCode-AA 2.0、Terminal-Bench-Science 0.1 までを対象としています。計画の基準にすべきは補足指標です。インデックスタスクあたり10.04ドル、タスクあたり24.5分、出力は毎秒118トークン、最初の応答トークンまで358秒です。

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.

これらの数字のうち2つは、スコアよりも重要だ。最初の回答トークンまでの358秒という時間は、スピナーを見つめるユーザーが実際に経験するものであり、タスクあたり24.5分は、長いエージェント実行が実際に要するウォールクロックだ。Opus 5.5は高速なモデルではない。徹底的なモデルだ。より安価な競合は、ワークロードを獲得するためにその96%の精度に匹敵する必要はない。特定のタスクで十分に優れ、限界的にかなり高速か安価であればよい。これが価格性能モデルの主張のすべてであり、Microsoftはそれを決着させる独立した証拠なしに、その主張をしている。

MAI Code 2 がまだ行けない場所

これが、あのパーセンテージが隠している部分だ。MAI Code 2はGitHub Copilot内で提供され、ProからEnterpriseまでのすべての有料プランで、GitHubが対応を広げているあらゆるエディターで利用できる。それは幅広い接点であり、単一ベンダーの基盤だ。ローンチ時点で大規模モデルのFoundryデプロイはなく、FoundryプレビューがあるのはMAI Code 2 Flashのみで、OpenAI互換のResponses API経由だ。Microsoftはさらなる提供拡大が来ると述べているが、日付は示さず、重みも配布していない。

これに対して Opus 5.5 は、Anthropic 自身の API と主要3クラウドで提供されており、モデル ID、公開された廃止期限、文書化されたスナップショットポリシーを備えています。あなたの作業が Copilot の中で完結するなら、この比較は今日すでに現実のものです。しかし、それが自社のエージェントフレームワーク、CI パイプライン、あるいはマルチベンダーのスタックの中で行われているなら、この比較の片側はただのプレスリリースにすぎません。

実際に明暗を分けるワークロード分担

• 定型的なエンタープライズ修復 — マージ可能な修正、複数ファイルの編集、既知のリポジトリ内での深いデバッグ — は、Microsoft が想定して構築し、価格設定したタスクです。今日、Opus のトークン単価の 12.5% であれば、同じ合格率に達するために 2 回目の試行を必要とするモデルでも、完了したタスクあたりのコストは安くなる可能性があります。

• 長期的なエージェント型作業は、マイクロソフトが発表時にもモデルカードでも改めて述べているように、このモデルがチューニングされていない領域だ。Opus 5.5のポジショニングはまさにそのワークロードにあり、GDPval-AAでの1,846 EloはAnthropicが前面に押し出した数字だ。

• 英語以外のコードベース — これは推測ではなく、モデルカードの記載です。リリース時点では英語のコード生成のみで、より一般的でない言語は明示的に評価不足とされています。Opus 5.5 には同等の注意書きはありません。

• 人間の関与なしに重大な影響を及ぼすアクションを実行するものは双方にとってスコープ外ですが、Microsoft は MAI Code 2 についてそれを明示し、監督下でのエージェント型ワークフローを求めています。

• 100万トークンを超えるコンテキストは実用上互角だ。両者ともおよそ100万と主張しているが、遠端での検索を試さずに、どちらの数値も実用上の予算として信頼すべきではない。

帳簿の両側を管理する

Claude Opus 5.5はOrcaRouterのカタログに、入力100万トークンあたり$4.00、出力100万トークンあたり$20.00で掲載されています。プロバイダーの定価を0%のマークアップでそのまま適用しているため、ベンダーの価格変更は、リセラーが料金表を更新する日ではなく、それが発生した日に請求へ反映されます。このような比較では、これはいつも以上に重要です。なぜなら、MAI Code 2自体の価格が2027年5月17日に2倍になるからです — 今日評価している比率は、6月に支払う比率ではありません。

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 は当社のカタログにはなく、公開されている唯一の入手経路は GitHub Copilot です。Microsoft がこの大規模モデル向けの Foundry エンドポイントを公開するなら、賢明な最初の一手は移行ではなく、シャドー実行です。重要な経路には Opus 5.5 を残し、答えが既に分かっているタスクには安価なモデルを振り向け、トークン単価ではなく完了タスクあたりのコストを比較します。これこそが自動フェイルオーバーが存在する判断の形です — 新しく実績のないモデルをトラフィックのほんの一部に載せ、安価な側が行き詰まった場合に備えて実績あるモデルをその背後に置くのです。

証拠に耐える評決はこうだ。Opus 5.5は、誰もやり直したくない作業のために保持すべきモデルであり、MAI Code 2は、毎日動く作業で試すべきモデルである。Microsoftの96%は、Copilot自身のハーネス(評価環境)なら十分に成り立つかもしれない。それを覆し得る場所ではまだどこもテストされておらず、テストされるまでは、5%は主張にすぎず、12.5%は料金表だ。