
MAI Code 2 対 Kimi K3.1 Pro:一方は数値を公表し、もう一方は割引を公表する
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 180 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
MAI Code 2は2026年11月17日、価格のみを公表し、スコアなしで発売された。Kimi K3.1 Proは、Moonshot AIが2026年10月24日に発表し、11月4日に公開したもので、その両方を備えて登場した。100万入力トークンあたり2.00ドル、そして独立系のIntelligence Indexのスコアは46だ。この比較で重要なのは、ベンチマークの表ではなく、この非対称性である。Microsoftの発表記事は4つのコーディングベンチマーク——DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1——を挙げたうえで、結果ではなく比率を公表している。Claude Opus 5.5の性能の96%を5%のコストで、GPT-6.1 Solの98%を40%のコストで、4つを平均したものだ。Moonshotは実際のベンチマークにおける実際のパーセンテージを公表しており、さらにArtificial Analysisが独自のハーネスでそれを検証している。一方は、1セント単位で検証できる割引と、まったく検証できない能力の主張を差し出す。もう一方は、議論できる数字を差し出す。
どちらもホスティング型だが、ダウンロードできるのは一方だけだ。その点は、4倍の価格差よりも重要であることがわかる。
Microsoftが公開したこと、そして公開しなかったこと
発表記事は手法については具体的である一方、結果については沈黙しており、これは異例の組み合わせで、注意深く読む価値がある。4つのベンチマークが名指しされている。そのうち3つ——DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas——は、Microsoftの社内評価プラットフォームであるMSBench上で、サブエージェントを無効にし、すべてのモデルを最大の推論エフォートに設定した状態で、GitHub Copilot CLIを通じて実行された。FrontierCodeのスコアとコストはArtificial Analysisによるもので、これによりFrontierCodeは、Microsoft自身が生成しなかった平均値の唯一の構成要素となっている。コストはモデルの50%プロモーション価格で示されている。
次に結果です。2つの比率と1つの選好シェアです。コスト5%でClaude Opus 5.5の性能の96%。コスト40%でGPT-6.1 Solの性能の98%。ブラインドのフロントエンド評価では、レビュアーがGPT-6 SolよりMAI Code 2の出力を好んだ割合は64%でした。発表投稿にもモデルページにも、これら4つのベンチマークのいずれかにおけるこのモデルの合格率、パラメータ数、出力上限は一切記載されていません。2026年11月18日時点で、Artificial Analysisにこのモデルの項目もないため、その空白を埋める独立した情報は存在しません。
それはスキャンダルではない。買い手にとって特定のコストを伴う選択だ。モデルが何回の試行を必要とするか分からないため、完了したタスクにいくらかかるかを計算できない。4つのベンチマークで平均化された比率は分布ではなく平均を測るものであり、コーディング作業こそ分布が長い裾を持つ領域だ。
完全に公開され、完全に検証可能な料金表
価格設定は、MAI Code 2の話が具体的になる場面です。なぜならGitHubはそれを1セントの10分の1単位まで明記しているからです。
• 入力 — MAI Code 2 は100万トークンあたり$0.50、Kimi K3.1 Pro は$2.00。MAI はその4分の1の価格です
• 出力 — 100万あたり $2.50 対 $10.00。同じ4倍の比率なので、この割引は構成の違いによる見かけの効果ではない
• キャッシュ済み入力 — 100万あたり $0.025 対 $0.20。MAI はその8分の1で、GitHub はどちら側にもキャッシュ書き込み料金を公表していない
• 2027年5月17日より — MAI Code 2 は $1.00 / $0.05 / $5.00 に価格改定され、新規トークンでは優位性が2倍に、キャッシュ読み取りでは4倍に半減します
• コンテキスト — MoonshotのAPI経由のKimi K3.1 Proでは1,048,576トークン、Visual Studio CodeとCopilot CLIの内部でのみ開くMAI Code 2の100万トークンウィンドウと対比
• 出力上限 — Microsoft は公表しておらず、Moonshot の公開カードにも別途の出力上限はない。1,048,576 という数値はコンテキスト ウィンドウであり、生成上限ではない
• 重み — なし、ホスティング提供のみ、2026年11月4日に公開された1.56 TBのMXFP4ダウンロードに対して
キャッシュ入力の項目こそ、エージェント型ワークロードが実際に費用を費やす場所であり、それは見出し以上にMicrosoft有利に効く。コーディングエージェントは毎ターン、固定のシステムプロンプト、安定したツールスキーマ、リポジトリのプレフィックスを再送する。100万キャッシュトークンあたり$0.025対$0.20では、請求額の大部分を占める項目での差は4×を超える。さらに失効日が大半の打撃を与える。2027年5月17日以降、キャッシュ料金は$0.05になる一方、Moonshotの料金はMoonshotが設定した水準にとどまり、優位性はキャッシュで4×、新規トークンで2×に縮まる。
相手側が実際に公表している唯一の手段
Kimi K3.1 Proのエビデンスは性質が異なる。ベンダーが示す数値は独立した数値と突き合わせて検証でき、タスクごとのコストにはモデルが思考に費やす時間も含まれている。
Moonshot自身の発表時の表では、Kimi K3.1 ProはTerminal-Bench 4.0で65.7%となり、66.4%のClaude Opus 5.5に次ぐ2位です。これは現行ベンチマークにおける実際の数値であり、ベンダーが発売日に公表したもので、モデルをよく見せるために膨らませたものではありません。Intelligence Indexのバージョン5.0.1では、Kimi K3.1 Proは46を記録し、Artificial Analysisが同等モデルについて報告する中央値23を大きく上回っています。
コスト面こそ、独立した評価が真価を発揮する領域であり、そこでの結果も決して好ましいものではない。Artificial Analysisによると、Kimi K3.1 ProはIntelligence Indexのタスクあたり3.68ドルで、タスクあたり38.4分、出力は毎秒31トークン、最初の回答トークンまで157.8秒かかる。これはタスクあたりの中央値13.6分と比べて遅い。モデルをチャットウィンドウではなくループに入れるべきかどうかを判断するには、こうした数値が必要だが、MAI Code 2には相当する数値が存在しない。

4倍の割引が実際に買っているもの
宣伝文句を取り除けば、取引条件は読み取れる。MAI Code 2は今日時点でKimi K3.1 Proの4分の1のコストで、2027年5月以降はその半分になる。その代わりに、検査できない4つのものを受け入れることになる。合格率、完了したタスクあたりの試行回数、モデルのサイズ、そしてMicrosoftが選んだ4つのベンチマークの外での振る舞いだ。Microsoftは最後の点について異例なほど率直で、ローンチ投稿には、モデルは「根本的な科学研究や非常に長い時間軸にわたるエージェント作業のような、より難しい問題向けには明示的にまだ調整されていない」と書かれている。この文は96%よりも素直に信じるべきだ。なぜなら、それはベンダーが自ら明かした限界だからだ。
Kimi K3.1 Proのトレードオフは逆方向に働きます。トークンあたりのコストは4倍かかり、1つのタスクに38分待たされ、その代わりに得られるのは、ダウンロードして自社テナント内でファインチューニングでき、MoonshotのAPIが不調な週でも動かし続けられるモデルです。重みはMXFP4で96シャードに分かれた合計1.56 TBで、これはラップトップでダウンロードするようなものではなく、本格的なサービング作業です。ライセンスは収益しきい値を伴う独自の契約書であり、ApacheでもMITでもOSI承認でもありません。つまりここでの「オープン」とは、監査可能でセルフホスト可能という意味であり、制約がないという意味ではありません。セキュリティレビューにとっては、この区別で問題ありません。再配布を意図する製品にとっては、まずライセンスを読んでください。
どちらのモデルも悪い買い物ではない。それぞれ異なる買い手向けの価格設定だ。一方はすでにCopilotに課金しており、導入済みのツール内でより安いトークンを求めるチーム向け、もう一方は移行できる資産を求めるチーム向けだ。
双方に電話をかけ、端点のないものにも電話をかける
Kimi K3.1 ProはOrcaRouterでkimi/kimi-k3.1-proとして、100万トークンあたり$2.00および$10.00で、プロバイダーの定価のまま、マークアップ0%でパススルーされます — そのため、Moonshotが料金表を変更すれば、リセラーの価格改定サイクルを待つのではなく、請求額は当日に変わります。カタログの他のモデルと同じキーの背後にあり、自動フェイルオーバーにより、プロバイダー側のレート制限はリトライになり、38分のエージェント実行の途中で停止するのではなくなります。
MAI Code 2 は当社のカタログにはなく、掲載することもできません。公開されている唯一の利用経路は GitHub Copilot のサブスクリプションで、Pro、Pro+、Max、Business、Enterprise の各プランにわたります。より小さい MAI Code 2 Flash は、このファミリーで API サーフェスを持つ唯一のモデルであり、Microsoft Foundry における限定アクセスのプレビューとして、OpenAI 互換の Responses API を通じて提供されます。自分のリポジトリで両者を比較したい場合、実験の一方は Copilot クライアント内で、もう一方は HTTP エンドポイントに対して実行する必要があります。これは設計上の現実の制約であり、脚注ではありません。
生き残るのは移行ではなく分割という編成だ。測定可能なモデルは、予算化が必要な経路に置く。そこではKimi K3.1 Proのタスクあたり3.68ドルと38分という完了時間が、計画に織り込める既知の数値になっている。MAI Code 2は、すでにCopilotで作業している開発者の前に置く。そこでは、試すのにすでに持っているシート以外のコストはかからない。次に、完成タスクのコストは4つのベンチマークの平均ではなく、自社のリポジトリから判断する。

どちらを選ぶべきですか
• モデルを監査するにせよ、自分で動かすにせよ、対象は Kimi K3.1 Pro だけであり、ここに第二の候補はありません。重みはダウンロード可能で、ライセンスに関する疑問にも答えは出せます。
• あなたの開発者はすでにCopilotを日常的に使いこなしており、作業は定型的な修正作業だ——MAI Code 2は$0.50と$2.50で、96%と98%という数字はマイクロソフト自身によるもので、再現されていないという前提で。
• 調達のために説明可能な数値が必要なら——Kimi K3.1 Proです。なぜなら、独立したインデックス評価値46が存在し、もう一方のモデルには該当する行がないからです。
• 2027年5月以降の予算を立てている状況です — Kimi K3.1 Pro、または MAI Code 2 は、キャンペーン価格ではなく2倍の料金表で試算されています。
• 人間が主導するワークフローで最も安価なトークンを求めるなら — MAI Code 2。というのも、完了を待つ人間は、エージェントループのように実時間(ウォールクロック時間)を支払っているわけではないからです。

未解決の疑問は、Microsoftが絶対的な数値を公表するかどうかだ。Terminal-Bench 4.0の合格率が1つあれば、どんな比率よりも多くのことを決着させられる。なぜなら、それによってMAI Code 2がほかのすべてと同じ軸に置かれるからだ。それが存在するまでは、これは価格表と測定済みモデルの比較であり、正直な推奨は、自分で監視できる作業にはより安いトークン、監視できない作業には測定済みモデルだ。
この記事で比較したモデル1
この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新
