生成されたスコアボードカードは、MAI Code 2を100万トークンあたり$0.50および$2.50で示し、独立したインデックス行を伴いません。これに対してGPT-6.1 Solは$2.00および$10.00、Artificial Analysis Intelligence Indexは55、そして非推奨ステータスの注記が付いています。
Guides & Insights

MAI Code 2 vs GPT-6.1 Sol:Microsoftは非推奨モデルを相手に自社をベンチマークした

著者

Gideon Frost

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

MicrosoftのIgnite発表で最も引用されている一文は、MAI Code 2がGPT-6.1 Solのコーディング性能の98%をコストの40%で実現するというものだ。それは良い一文だ。しかしこの一文は、Artificial Analysisがすでに非推奨とマークし、OpenAI自身のラインナップ内でもGPT-6.2 Solに取って代わられたモデルを名指ししており、まさにその詳細が比較全体の枠組みを変える。Microsoftが基準点を選んだのであり、その基準点はもはや打ち負かすべき相手ではない。MAI Code 2は2026年11月17日に、100万入力トークンあたり0.50ドル、100万出力トークンあたり2.50ドルのプロモーション料金で提供開始された。GPT-6.1 Solは2.00ドルと10.00ドルで、独立系インデックスでは55を記録している。これらの事実はいずれも、98%という主張を虚偽にするものではない。それらは、退場しつつあるモデルとの比較にするものであり、フロンティアとの比較とは別物だ。

料金表と非推奨通知

• 100万トークンあたりの価格 — GPT-6.1 Sol は入力 $2.00、出力 $10.00 で有効期限なし。MAI Code 2 は 2027年5月17日まで $0.50 と $2.50、その後は $1.00 と $5.00

• キャッシュ入力 — $0.10 対 $0.025、両方の価格変更を経ても残る4倍の差

• 長いプロンプト — MAI Code 2 には公開された料金区分がなく、GPT-6.1 Sol は 272,000 入力トークンを超えるすべてを入力 2 倍・出力 1.5 倍で再価格設定するため、300K トークンのリクエストはトークンあたりのコストがその見出し料金から示唆されるより高くなります

• コンテキスト — 両方とも 1,050,000 トークン、最大出力は両方とも 128,000 トークン

• 入力モダリティ — GPT-6.1 Solはテキストや画像だけでなくファイルも読み取る。一方、MAI Code 2のモデルカードはテキストと画像を謳うにとどまっている

• ライフサイクル状況 — MAI Code 2 はごく新しい状態。GPT-6.1 Sol は Artificial Analysis によって非推奨とされ、同社は現在、6時間ごとではなく18時間ごとにベンチマークを実施しています

その最後の一文こそ、購入者が最も重く受け止めるべき点だ。非推奨モデルは廃止されたわけではない。今も応答し、今も定価で課金される。しかし、その評価の更新頻度は鈍り、ベンダーはすでに次へ移っている。その状態のモデルを前提にコストモデルを組むということは、更新されない数値を前提に組むということだ。

98%が何に基づいて測定されているのか、そしてその基準点がなぜ重要か

Card breaking down Microsoft's 98% claim into its four benchmarks, noting that three ran on the internal MSBench harness and only FrontierCode came from Artificial Analysis, with the MAI Code 2 pass rates and the deprecated status of GPT-6.1 Sol.

見出しを剥がしてしまえば、98%というのは4つの合格率の平均であり、そのうち3つはマイクロソフト自身が生成したものだ。DeepSWE 1.1、Terminal Bench 2.1、SWE Atlasは、マイクロソフトの内部プラットフォームであるMSBenchを、GitHub Copilot CLIの1.0.102経由で、サブエージェントをオフにし、全モデルを最大努力設定で通した。FrontierCodeのスコアとコストはArtificial Analysisによるものだ。マイクロソフトが公開していないのは内訳である。カードにはMAI Code 2自身の数値——73.2%、84.6%、43.1%——と、GPT-6.1 Solに対する平均値が1つ示されているだけで、どのベンチマークが平均を押し上げ、どれが足を引っ張ったのかを示す行はない。

平均値は結果の形を隠すが、その形は重要だ。SWE Atlasは43.1%で、3つの公開数値の中で最も弱く、またイシュー解決ではなくコードベースに関する質問応答、テスト作成、リファクタリングを試すものだ。唯一の独立した情報源に基づく構成要素であるFrontierCodeは、4つのうちの1つである。バグ修正ベンチマークでは同等でありながらリファクタリングでは後れを取るモデルは、平均98%に達しても、リファクタリングには不適切なツールであり得る。

Microsoftのもう一つの見出しは、合格率ではなく選好調査です。インターフェース、ゲーム、データ可視化、3Dシーン、SVGグラフィックにわたるフロントエンド作業のブラインドでの並列比較評価では、258人のアノテーターが、MAI Code 2の出力をGPT-6 Solの出力より好んだ割合は64%でした。そこに名指しされているモデルはGPT-6 Solであり、6.1ではないことに注意してください。また、生成されたUIの見た目に対する選好は、それが機能するかどうかを測る指標ではないことにも注意してください。

独立した記録がGPT-6.1 Solについて語っていること

GPT-6.1 Solには、MAI Code 2にはないものがあります。第三者によるプロファイルです。Artificial Analysisは、このクラスの他のすべてのモデルが測定されているのと同じ9評価の複合指標であるIntelligence Index v5.0.1で55とスコアし、インデックスタスクあたり1.27ドル、タスクあたり23.3分、最初の回答トークンまで145秒、出力49トークン/秒を記録しています。

Screenshot of the Artificial Analysis page for GPT-6.1 Sol showing a deprecation notice recommending GPT-6.2 Sol, an Intelligence Index of 55, 145.15 seconds to first answer token, 49 output tokens per second and 23.3 minutes per task.

OpenAI自身の製品ライン内でも状況は変わっている。GPT-6.2 Solはタスクあたり1.01ドルで57を記録しており、Microsoftが比較対象としたモデルは、その後継モデルに性能でも価格でも上回られたことになる。これはMAI Code 2への反論ではない——安価なモデルがより古く高価なモデルを上回るのは、価格性能比を掲げるローンチならまさにそうあるべきことだ。これは、98%を現在のフロンティアを表す記述として扱うことへの反論である。正直に位置づけるなら、Microsoftは前世代の強力なモデルにその価格の40%で並んだのであり、現在出荷されているモデルに対してどうなのかはまだ示していない、ということだ。

トークンがどこへ行くか、そこに本当の違いがある

Microsoftの40%はタスクあたりコストの数値であり、価格比ではありません。価格比は25%です — 入力が$2.00に対して$0.50、出力が$10.00に対して$2.50です。コスト比が40%で価格比が25%であるためには、MAI Code 2はGPT-6.1 Solよりもタスクあたりにより多くのトークンを使っている必要があり、公表された2つの比率に基づく私の計算ではおよそ1.6倍になります。これは推論であり、Microsoftの主張ではなく、入出力の混合レートのため概算です。

2つのことが導かれる。第一に、MAI Code 2 は完了したタスクあたりでは安いが、見出しが示唆するような形でトークンあたりが安いわけではない。したがって、タスク単位ではなくトークン単位で価格設定されるワークロードでは、60%より小さい削減幅になる。第二に、トークンを大量に消費する挙動は推論努力の段階設定と相性が悪い。両モデルとも努力レベルを公開しており、どちらも最大努力でベンチマークされている。そして、どちらかで最大努力で運用しているチームは、思考トークンに対して二重に支払っていることになる。定型作業でより低い努力設定に下げる方が、通常はモデルを切り替えるより大きな削減になる。

アクセス:一方はAPI、もう一方はサブスクリプション機能です

GPT-6.1 Sol は、モデル ID、文書化されたスナップショット ポリシー、2026年4月30日の知識カットオフ、およびツール、構造化出力、応答形式、シードのサポートを備え、OpenAI の API で呼び出し可能です。また、Plus、Pro、Business、Enterprise、Edu プランの ChatGPT Work および Codex でも利用できます。

MAI Code 2はAPIではなく、Copilotの機能です。GitHubのサブスクリプション(ProからEnterpriseまで)を通じ、VS CodeからXcodeまで、すでにお使いの任意のクライアントから利用できます。Microsoft Foundryにはありません。FoundryのプレビューがあるのはMAI Code 2 Flashだけで、OpenAI互換のResponses API経由です。MAI Code 2自体には公開されたエンドポイントも、その予定日も、いかなるライセンス下での重みの配布もありません。

GitHubにコードがあり、開発者がすでにCopilotで作業しているチームにとって、それはよい答えであり、APIキーよりむしろ優れた答えと言えるでしょう。CIボット、社内エージェントフレームワーク、コードレビューパイプライン、その他独自のオーケストレーションを持つものにとっては、GPT-6.1 Solは呼び出せるモデルですが、MAI Code 2はそうではありません。

どちらを選ぶべきか

• Copilotネイティブな開発作業で、コストに敏感な大量処理——MAI Code 2が$0.50と$2.50、定常処理層向けのMAI Code 2 Flashが$0.05と$0.25は、大幅に安価な選択肢です。

• アプリケーション、エージェント、またはCI連携 — GPT-6.1 Sol。APIがあるためです。MAI Code 2はサブスクリプションです。

• 1リクエストあたり272,000トークンを超える場合 — GPT-6.1 Solのロングプロンプト階層では入力料金が2倍になり、同モデルの価格上の立場がさらに損なわれる。MAI Code 2は同等の階層を公開していないが、これは階層が存在しないという保証ではなく、ドキュメント上の欠落である。

• 英語以外の言語でコードを書くこと — モデルカードは、MAI Code 2 のリリース時点でこれを認めていない。OpenAI は GPT-6.1 Sol にそのような制限を課していない。

• 長期的な自律作業 — Microsoftは、MAI Code 2が非常に長期的なエージェント作業向けにチューニングされておらず、監督なしの重大なアクションを意図したものではないと明言しています。GPT-6.1 Solの位置づけはより広範ですが、それ自体が非推奨となっているため、代わりにGPT-6.2 Solを検討すべき理由となります。

比較を1つのキーで価格設定する

Screenshot of OrcaRouter's GPT-6.1 Sol model page showing the $2.00 input and $10.00 output per million token rates, a 1M-token context, 128K maximum output and text, image and file input.

GPT-6.1 SolはOrcaRouter上でプロバイダー定価、マークアップ0%で提供されています — 100万トークンあたり入力$2.00、出力$10.00 — Claude Opus 5.5とGemini 4 Carbonも同様で、すべて1つのキーで利用できます。GPT-6.2 Solはまだカタログに掲載されていません。そのため、後継モデルについての疑問をここで結論づけることはできません。できるのは、6.1 Solの廃止を正直に見積もり、新しいモデルのほうが高くつくと決めつけるのではなく、タスクあたりの請求額を注視することです。実際はそうではありません — Artificial Analysisでは、6.2 Solはインデックスタスクあたり$1.01で、6.1の$1.27に対して安くなっています。

MAI Code 2は当社のカタログにはありません。公開されている唯一の経路はGitHub Copilotです。Microsoftがこの大規模モデル用のFoundryエンドポイントを公開すれば、有用な最初の実験は切り替えではなく分担です。価格優位性が最も大きい日常的な修正トラフィックにはMAI Code 2を、リファクタリングや長期的な作業には実測済みのフロンティアモデルを充て、その下での自動フェイルオーバーを備えることで、実績のないモデルが決して単一障害点にならないようにします。40%は試す価値があります。98%は、誰かがそれに基づく移行を計画する前に、自社のリポジトリで別途試す価値があります。