
MAI Code 2 vs Kimi K3.1 Pro: 한쪽은 숫자를 공개하고, 다른 쪽은 할인을 공개한다
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 180 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
MAI Code 2는 2026년 11월 17일 가격만 공개하고 점수는 없이 출시되었습니다. Kimi K3.1 Pro는 Moonshot AI가 2026년 10월 24일 발표하고 11월 4일 공개했으며, 두 가지를 모두 갖추고 등장합니다. 백만 입력 토큰당 2.00달러와 독립적인 Intelligence Index 수치 46입니다. 이 비교의 핵심은 벤치마크 표가 아니라 바로 이 비대칭성입니다. 마이크로소프트의 출시 게시물은 네 가지 코딩 벤치마크 — DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas, FrontierCode v1.1 — 를 언급한 뒤 결과 대신 비율을 공개합니다. Claude Opus 5.5 성능의 96%를 5% 비용으로, GPT-6.1 Sol 성능의 98%를 40% 비용으로, 네 가지 평균 기준입니다. Moonshot은 실제 벤치마크에 대한 실제 퍼센트를 공개하고, Artificial Analysis는 그 위에 자체 하네스를 돌립니다. 한쪽은 센트 단위까지 검증 가능한 할인과 전혀 확인할 수 없는 성능 주장을 건네고, 다른 쪽은 반박해볼 수 있는 숫자를 건넵니다.
둘 다 호스팅되지만, 다운로드할 수 있는 것은 하나뿐입니다. 그 점이 네 배에 달하는 가격 차이보다 더 중요하다는 것이 드러납니다.
Microsoft가 공개한 것, 그리고 빠뜨린 것
출시 글은 방법에 대해서는 구체적이지만 결과에 대해서는 침묵하는데, 이는 이례적인 조합이며 자세히 읽어볼 가치가 있다. 네 가지 벤치마크의 이름이 명시되어 있다. 그중 세 가지인 DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas는 Microsoft의 내부 평가 플랫폼인 MSBench에서 실행되었으며, 하위 에이전트를 비활성화하고 모든 모델을 최대 추론 노력으로 설정한 상태에서 GitHub Copilot CLI를 통해 구동되었다. FrontierCode의 점수와 비용은 Artificial Analysis에서 가져왔으며, 이는 Microsoft가 직접 산출하지 않은 평균의 유일한 구성 요소다. 비용은 해당 모델의 50% 프로모션 가격으로 제시된다.
그다음 결과: 두 개의 비율과 하나의 선호 비중. Claude Opus 5.5 성능의 96%를 5%의 비용으로. GPT-6.1 Sol 성능의 98%를 40%의 비용으로. 블라인드 프론트엔드 평가에서 평가자들은 GPT-6 Sol보다 MAI Code 2의 출력을 64%의 경우 선호했다. 출시 게시물이나 모델 페이지 어디에도 해당 모델이 그 네 가지 벤치마크 중 어느 것에서든 기록한 통과율, 파라미터 수, 출력 상한은 단 하나도 없다. 2026년 11월 18일 현재 Artificial Analysis에 그것에 대한 항목도 없으므로, 그 공백을 메울 독립적 자료는 존재하지 않는다.
그건 스캔들이 아닙니다. 그것은 구매자에게 구체적인 비용이 따르는 선택입니다: 완료된 작업에 드는 비용을 계산할 수 없습니다. 모델이 몇 번의 시도를 필요로 하는지 알 수 없기 때문입니다. 네 개의 벤치마크에 걸쳐 평균을 낸 비율은 분포가 아니라 평균을 측정한 것이며, 코딩 작업은 분포가 긴 꼬리를 갖는 영역입니다.
완전히 공개되어 누구나 확인할 수 있는 요금표
가격 책정은 MAI Code 2 이야기가 구체화되는 지점입니다. GitHub가 이를 10분의 1센트 단위까지 문서화하기 때문입니다.
• 입력 — MAI Code 2는 100만 토큰당 $0.50, Kimi K3.1 Pro는 $2.00; MAI는 가격이 4분의 1이다
• 출력 — 100만 개당 $2.50 대 $10.00; 동일한 4배 비율이므로 이 할인은 구성 효과로 인한 왜곡이 아닙니다
• 캐시된 입력 — 100만 개당 $0.20 대비 $0.025; MAI는 그 8분의 1 수준이며, GitHub은 어느 쪽에도 캐시 쓰기 요금을 공개하지 않습니다
• 2027년 5월 17일부터 — MAI Code 2의 가격이 $1.00 / $0.05 / $5.00로 변경되어, 신규 토큰에서는 2×, 캐시 읽기에서는 4×로 이점이 절반으로 줄어듭니다
• 컨텍스트 — Moonshot의 API를 통해 Kimi K3.1 Pro에서 제공되는 1,048,576 토큰 대비, Visual Studio Code와 Copilot CLI 내에서만 열리는 MAI Code 2의 100만 토큰 창
• 출력 상한 — Microsoft는 이를 공개하지 않았으며, Moonshot의 공개 카드에도 별도의 출력 상한이 없습니다. 1,048,576이라는 수치는 컨텍스트 창이지 생성 한도가 아닙니다
• 가중치 — 없음, 호스팅 전용, 2026년 11월 4일 공개된 1.56TB MXFP4 다운로드 대비
캐시된 입력 항목은 에이전트형 워크로드가 실제로 비용을 지출하는 지점이며, 이는 헤드라인 가격이 보여 주는 것보다 Microsoft에 더 유리하게 작용합니다. 코딩 에이전트는 매 턴마다 고정된 시스템 프롬프트, 안정적인 도구 스키마, 저장소 접두사를 재생합니다. 백만 캐시 토큰당 $0.025 대 $0.20이라는 수치는 청구서를 지배하는 항목에서 격차가 4배보다 큽니다. 이어서 만료일이 가장 큰 타격을 줍니다. 2027년 5월 17일부터 캐시 요율은 $0.05가 되는 반면 Moonshot의 요율은 Moonshot이 정한 대로 유지되어, 이점은 캐싱에서 4배, 신규 토큰에서 2배로 좁아집니다.
상대측이 공개하기는 하는 유일한 수단
Kimi K3.1 Pro의 근거는 형태가 다릅니다 — 독립적인 수치와 대조해 확인할 수 있는 벤더 수치, 그리고 모델이 사고하는 데 드는 시간을 포함한 작업당 비용이죠.
Moonshot의 자체 출시 표에 따르면 Kimi K3.1 Pro는 Terminal-Bench 4.0에서 65.7%로, 66.4%를 기록한 Claude Opus 5.5에 이어 2위를 차지합니다. 이는 출시 당일 벤더가 공개한 현재 벤치마크상의 실제 백분율이며, 해당 모델을 미화하지 않습니다. Intelligence Index 버전 5.0.1에서 Kimi K3.1 Pro는 46점으로, Artificial Analysis가 유사 모델에 대해 보고한 중앙값 23을 크게 웃돕니다.
비용 측면은 독립적인 평가가 존재 가치를 입증하는 곳이며, 그 결과 역시 결코 호의적이지 않다. Artificial Analysis는 Kimi K3.1 Pro를 Intelligence Index 작업당 $3.68로 평가했는데, 작업당 38.4분이 걸리고 출력 속도는 초당 31토큰이며 첫 답변 토큰까지 157.8초가 소요된다 — 작업당 중앙값 13.6분과 비교하면 느린 편이다. 이 수치들은 모델이 채팅창이 아니라 루프에 속하는지 판단하는 데 필요한 숫자이며, MAI Code 2에는 이에 상응하는 수치가 없다.

4배 할인이 실제로 사는 것
마케팅을 걷어내면 이 거래는 명확해진다. MAI Code 2는 오늘 기준 Kimi K3.1 Pro의 4분의 1 비용이며, 2027년 5월 이후에는 절반 비용이다. 그 대가로 당신은 검사할 수 없는 네 가지를 받아들여야 한다. 통과율, 완료된 작업당 시도 횟수, 모델 크기, 그리고 Microsoft가 선택한 네 가지 벤치마크 밖에서의 모델 행동이다. Microsoft는 마지막 항목에 대해 이례적으로 직설적이다. 출시 게시물은 이 모델들이 "기초 과학 연구나 매우 장기적인 에이전트 작업처럼 더 어려운 문제에는 아직 명시적으로 튜닝되지 않았다"고 말한다. 그 문장은 96%라는 수치보다 더 쉽게 믿어야 한다. 벤더가 자발적으로 밝힌 한계이기 때문이다.
Kimi K3.1 Pro의 트레이드오프는 방향이 반대입니다. 토큰당 네 배의 비용을 지불하고, 작업 하나에 38분을 기다리는 대신, 다운로드하고 자체 테넌시 내에서 미세 조정하며 Moonshot의 API가 문제를 겪는 주에도 계속 실행할 수 있는 모델을 얻습니다. 가중치는 MXFP4 형식으로 96개 샤드에 걸쳐 1.56TB이며, 이는 노트북에 내려받는 수준이 아니라 실제 서빙 작업이고, 라이선스는 수익 기준액이 설정된 맞춤형 문서입니다 — Apache도, MIT도, OSI 승인도 아닙니다. 따라서 여기서 "open"은 감사 가능하고 자체 호스팅 가능하다는 뜻이지, 아무 제약이 없다는 뜻은 아닙니다. 보안 검토에는 그 구분이 문제없습니다. 재배포하려는 제품이라면 라이선스를 먼저 읽으십시오.
두 모델 중 어느 것도 나쁜 구매가 아니다. 두 모델은 서로 다른 구매자를 겨냥해 가격이 책정되어 있다. 하나는 이미 Copilot 비용을 지불하고 있으며 자사가 도입한 툴 안에서 더 저렴한 토큰을 원하는 팀을 위한 것이고, 다른 하나는 옮길 수 있는 자산을 원하는 팀을 위한 것이다.
양쪽 모두를 부르고, 끝점이 없는 쪽도 부른다
Kimi K3.1 Pro는 OrcaRouter에서 kimi/kimi-k3.1-pro(으)로, 백만 토큰당 $2.00 및 $10.00에 제공되며, 공급자 정가 그대로 0% 마크업으로 전달됩니다 — 따라서 Moonshot이 요금표를 바꾸면 리셀러의 재가격 주기를 기다릴 필요 없이 같은 날 청구서가 바뀝니다. 나머지 카탈로그와 동일한 키 뒤에 있으며, 자동 페일오버 덕분에 공급자 측 속도 제한은 재시도로 처리됩니다, 38분짜리 에이전트 실행 도중 겪는 서비스 중단이 아니라.
MAI Code 2는 우리 카탈로그에 없으며 있을 수도 없습니다. 공개된 유일한 경로는 Pro, Pro+, Max, Business, Enterprise 전반에 걸친 GitHub Copilot 구독입니다. 더 작은 MAI Code 2 Flash는 이 제품군에서 API 표면을 갖춘 유일한 모델이며, Microsoft Foundry에서 OpenAI 호환 Responses API를 통한 제한적 액세스 미리 보기로 제공됩니다. 자체 저장소에서 두 가지를 비교하려면 실험의 한쪽은 Copilot 클라이언트 안에서 실행되고 다른 쪽은 HTTP 엔드포인트를 대상으로 실행되어야 합니다. 이는 설계상의 실질적인 제약이며, 각주가 아닙니다.
이 상황을 견뎌내는 구성은 마이그레이션이 아니라 분할이다. 측정 가능한 모델은 예산을 편성해야 하는 경로에 두어라. 그곳에서는 Kimi K3.1 Pro의 작업당 $3.68과 38분 완료 시간이 계획을 세울 수 있는 알려진 값이다. MAI Code 2는 이미 Copilot에서 작업 중인 개발자들 앞에 놓아라. 그곳에서는 이미 보유한 시트 외에는 시험하는 데 비용이 들지 않는다. 그런 다음 완료된 작업 비용은 네 가지 벤치마크 평균이 아니라 자체 저장소를 기준으로 결정하라.

어느 걸 고를까?
• 모델을 검증하거나 직접 실행해야 합니다 — Kimi K3.1 Pro, 그리고 여기에는 두 번째 후보가 없습니다. 가중치는 다운로드할 수 있고 라이선스 문제도 답할 수 있습니다.
• 귀하의 개발자들은 이미 Copilot에서 일상적으로 작업하고 있으며, 그 작업은 정형적인 수리입니다 — MAI Code 2는 $0.50 및 $2.50에, 96%와 98% 수치가 Microsoft 자체 수치이며 재현되지 않았다는 전제하에.
• 조달에서 입증 가능한 수치가 필요하다면 — Kimi K3.1 Pro입니다. 독립 지수 판독값 46이 존재하고 다른 모델은 행이 없기 때문입니다.
• 2027년 5월 이후를 예산에 반영하고 있습니다 — Kimi K3.1 Pro 또는 MAI Code 2를 프로모션 요율표가 아닌 두 배 요율표를 기준으로 모델링한 경우입니다.
• 사람이 주도하는 워크플로에서 가장 저렴한 토큰을 원한다면 — MAI Code 2입니다. 완료를 기다리는 사람은 에이전트 루프처럼 실제 경과 시간에 비용을 지불하지 않기 때문입니다.

아직 풀리지 않은 질문은 마이크로소프트가 절대 수치를 공개할지 여부다. Terminal-Bench 4.0 통과율 하나만 있어도 어떤 비율보다 더 많은 것을 판가름할 수 있다. 그것이 MAI Code 2를 다른 모든 것과 같은 축에 놓을 것이기 때문이다. 그런 수치가 나오기 전까지 이 비교는 가격표와 측정된 모델 사이의 비교이며, 솔직한 권고는 지켜볼 수 있는 작업에는 더 저렴한 토큰을, 지켜볼 수 없는 작업에는 측정된 모델을 쓰라는 것이다.
이 글에서 비교한 모델1
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
