Gegenereerde scorebordkaart die MAI Code 2 toont tegen $0,50 en $2,50 per miljoen tokens, zonder afzonderlijke indexrij, versus GPT-6.1 Sol tegen $2,00 en $10,00 met een Artificial Analysis Intelligence Index van 55 en een notitie over de verouderde status.
Guides & Insights

MAI Code 2 vs GPT-6.1 Sol: Microsoft benchmarkte zichzelf tegen een verouderd model

Auteur

Gideon Frost

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De meest geciteerde zin uit Microsofts Ignite-aankondiging is dat MAI Code 2 98% levert van de codeerprestaties van GPT-6.1 Sol tegen 40% van de kosten. Het is een goede zin. Hij noemt ook een model dat Artificial Analysis al als verouderd heeft gemarkeerd en dat binnen OpenAI's eigen gamma is opgevolgd door GPT-6.2 Sol, en dat is het detail dat de hele vergelijking in een ander licht zet: Microsoft koos het referentiepunt, en dat referentiepunt is niet langer het model om te verslaan. MAI Code 2 verscheen op 17 november 2026 met een promotietarief van $ 0,50 per miljoen inputtokens en $ 2,50 per miljoen output. GPT-6.1 Sol kost $ 2,00 en $ 10,00 en scoort 55 op de onafhankelijke index. Geen van beide feiten maakt de claim van 98% onwaar. Ze maken er een vergelijking van met een model dat op zijn retour is, en dat is iets anders dan een vergelijking met de frontier.

De tariefkaarten en de kennisgeving van veroudering

• Prijs per miljoen tokens — GPT-6.1 Sol rekent $2,00 voor input en $10,00 voor output, zonder vervaldatum; MAI Code 2 rekent $0,50 en $2,50 tot 17 mei 2027, daarna $1,00 en $5,00

• Gecachte invoer — $0,10 tegenover $0,025, een verschil van 4× dat beide prijswijzigingen doorstaat

• Lange prompts — geen gepubliceerde tariefstaffel op MAI Code 2; GPT-6.1 Sol herprijst alles boven 272.000 invoertokens tegen 2× invoer en 1,5× uitvoer, dus een verzoek van 300K tokens kost per token meer dan het geadverteerde tarief doet vermoeden

• Context — 1.050.000 tokens bij beide, met een maximale output van 128.000 bij beide

• Invoermodaliteit — GPT-6.1 Sol leest bestanden evenals tekst en afbeeldingen; de modelkaart van MAI Code 2 claimt tekst en afbeeldingen en houdt daar op

• Levenscyclusstatus — MAI Code 2 gloednieuw; GPT-6.1 Sol door Artificial Analysis als verouderd gemarkeerd, dat het nu elke 18 uur in plaats van elke 6 uur benchmarkt

Die laatste regel is degene die een koper het zwaarst moet laten wegen. Een verouderd model is niet stopgezet — het reageert nog steeds en factureert nog steeds tegen de lijstprijs — maar het evaluatieritme is vertraagd en de leverancier heeft zijn aandacht verlegd. Een kostenmodel bouwen rond een model in die staat betekent dat je het bouwt rond een getal dat niet zal worden bijgewerkt.

Waar 98% op wordt gemeten, en waarom het referentiepunt ertoe doet

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.

Haal de framing weg en 98% is een gemiddelde van vier slagingspercentages, waarvan Microsoft er drie zelf heeft gegenereerd. DeepSWE 1.1 en Terminal Bench 2.1 en SWE Atlas liepen via MSBench, Microsofts interne platform, via de GitHub Copilot CLI op 1.0.102, subagents uit, elk model op maximale inspanning. De scores en kosten van FrontierCode kwamen van Artificial Analysis. Wat Microsoft niet publiceert, is de opsplitsing: de kaart geeft MAI Code 2's eigen cijfers — 73,2%, 84,6%, 43,1% — en één gemiddelde tegen GPT-6.1 Sol, zonder een regel die laat zien welke benchmark het gemiddelde omhoog trok en welke het omlaag haalde.

Een gemiddelde verbergt de vorm van een resultaat, en de vorm is belangrijk. SWE Atlas, met 43,1%, is het zwakste van de drie publieke cijfers, en het is ook degene die het beantwoorden van vragen over de codebase, het schrijven van tests en refactoring test in plaats van het oplossen van issues. FrontierCode, de enige onafhankelijk samengestelde component, is er een van de vier. Een model dat op bugfix-benchmarks gelijk staat en achterloopt op refactoring, kan gemiddeld op 98% uitkomen en toch het verkeerde hulpmiddel zijn voor een refactor.

Microsofts andere kop is een voorkeursstudie in plaats van een slagingspercentage: bij een blinde zij-aan-zij-evaluatie van front-endwerk voor interfaces, games, datavisualisaties, 3D-scènes en SVG-graphics gaven 258 annotatoren in 64% van de gevallen de voorkeur aan de output van MAI Code 2 boven die van GPT-6 Sol. Let op de daar genoemde modelnaam — GPT-6 Sol, niet 6.1 — en bedenk dat een voorkeur voor hoe gegenereerde UI eruitziet geen maatstaf is voor of die werkt.

Wat het onafhankelijke verslag zegt over GPT-6.1 Sol

GPT-6.1 Sol heeft iets wat {{1}}MAI Code 2{{/1}} niet heeft: een profiel van een derde partij. {{2}}Artificial Analysis{{/2}} geeft het 55 punten op de {{3}}Intelligence Index v5.0.1{{/3}}, dezelfde samengestelde index van negen evaluaties waarmee iedereen in dit segment wordt gemeten, en registreert $1,27 per indextaak, 23,3 minuten per taak, 145 seconden tot het eerste antwoordtoken en 49 tokens per seconde output.

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.

Binnen OpenAI's eigen lijn is het beeld verschoven. GPT-6.2 Sol scoort 57 bij $1,01 per taak, dus het model waartegen Microsoft benchmarkte, is zowel verslagen als onderboden door zijn eigen opvolger. Dat is geen argument tegen MAI Code 2 — een goedkoper model dat een ouder, duurder model verslaat, is precies wat een prijs-prestatie-lancering hoort te doen. Het is een argument tegen het behandelen van de 98% als een beschrijving van de huidige frontier. De eerlijke framing is dat Microsoft een sterk model uit de vorige generatie heeft geëvenaard tegen 40% van de prijs, en nog niet heeft laten zien hoe het presteert ten opzichte van het model dat nu wordt geleverd.

Waar de tokens heen gaan, daar zit het echte verschil.

Microsofts 40% is een kosten-per-taakcijfer, geen prijsratio. De prijsratio is 25% — $0,50 tegen $2,00 input, $2,50 tegen $10,00 output. Wil de kostenratio op 40% liggen terwijl de prijsratio op 25% ligt, dan moet MAI Code 2 meer tokens per taak verbruiken dan GPT-6.1 Sol, ruwweg 1,6 keer zoveel volgens mijn berekening op basis van de twee gepubliceerde ratio's. Dat is een gevolgtrekking, geen bewering van Microsoft, en gemengde input/output-tarieven maken het bij benadering.

Hieruit volgen twee dingen. Ten eerste is MAI Code 2 goedkoper per afgeronde taak, maar niet goedkoper per token op de manier die de kop suggereert; elke werklast die per token in plaats van per taak wordt afgerekend, ziet daarom een kleinere besparing dan 60%. Ten tweede combineert tokenhongerig gedrag slecht met de ladder voor redeneerinspanning: beide modellen bieden inspanningsniveaus, beide zijn gebenchmarkt bij maximale inspanning, en een team dat op een van beide modellen op maximale inspanning draait, betaalt dubbel voor denktokens. Terugschakelen naar een lagere inspanningsinstelling bij routinewerk levert meestal een grotere besparing op dan van model wisselen.

Toegang: de ene is een API, de andere is een abonnementsfunctie

GPT-6.1 Sol is aanroepbaar via OpenAI's API met een model-ID, een gedocumenteerd snapshotbeleid, een kennisafsluitdatum van 30 april 2026 en ondersteuning voor tools, gestructureerde outputs, responseformat en seed. Het is ook beschikbaar in ChatGPT Work en Codex op de abonnementen Plus, Pro, Business, Enterprise en Edu.

MAI Code 2 is een Copilot-functie, geen API. Je bereikt het via een GitHub-abonnement — van Pro tot en met Enterprise — en via welke client je ook al gebruikt, van VS Code tot Xcode. Het zit niet in Microsoft Foundry; alleen MAI Code 2 Flash heeft een Foundry-preview, via een OpenAI-compatibele Responses API. Er is geen gepubliceerd endpoint voor MAI Code 2 zelf, geen datum daarvoor, en geen gewichtsdistributie onder welke licentie dan ook.

Voor een team waarvan de code op GitHub staat en waarvan de ontwikkelaars al met Copilot werken, is dat een prima antwoord en mogelijk zelfs een beter antwoord dan een API-sleutel. Voor een CI-bot, een intern agentframework, een codereviewpipeline of iets met een eigen orkestratie is GPT-6.1 Sol een model dat je kunt aanroepen, en MAI Code 2 niet.

Welke moet je pakken?

• Copilot-native ontwikkelaarswerk, kostenbewust, hoog volume — MAI Code 2 voor $0.50 en $2.50, en MAI Code 2 Flash voor $0.05 en $0.25 voor de routinelaag, zijn met een ruime marge het goedkopere antwoord.

• Applicatie-, agent- of CI-integratie — GPT-6.1 Sol, omdat het een API heeft. MAI Code 2 heeft een abonnement.

• Alles boven 272.000 tokens per verzoek — de long-promptcategorie van GPT-6.1 Sol verdubbelt het invoertarief, wat zijn prijspositie verder ondermijnt; MAI Code 2 publiceert geen gelijkwaardige categorie, wat een hiaat in de documentatie is in plaats van een belofte dat er geen categorie is.

• Code schrijven in iets anders dan Engels — de modelkaart sluit dat bij de release van MAI Code 2 uit; OpenAI verbindt geen dergelijke beperking aan GPT-6.1 Sol

• Autonoom werk over een lange horizon — Microsoft zegt expliciet dat MAI Code 2 niet is afgestemd op agentisch werk over een zeer lange horizon en niet bedoeld is voor ingrijpende acties zonder toezicht. De positionering van GPT-6.1 Sol is breder, al is de eigen deprecatie ervan een reden om eerder naar GPT-6.2 Sol te kijken.

Prijsstelling van de vergelijking op één sleutel

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 staat op OrcaRouter tegen de lijstprijs van de provider, met 0% opslag — $2,00 input en $10,00 output per miljoen tokens — en dat geldt ook voor Claude Opus 5.5 en Gemini 4 Carbon, allemaal achter één sleutel. GPT-6.2 Sol staat nog niet in de catalogus, dus de vraag over de opvolger kan hier niet worden beslecht; wat wel kan, is het uitfaseren van 6.1 Sol eerlijk prijzen en naar de rekening per taak kijken in plaats van aan te nemen dat het nieuwere model het duurste is. Dat is niet zo — volgens Artificial Analysis kost 6.2 Sol $1,01 per indextaak tegenover $1,27 voor 6.1.

MAI Code 2 staat niet in onze catalogus; de enige gepubliceerde route is GitHub Copilot. Als Microsoft een Foundry-endpoint voor het grote model opent, is het nuttige eerste experiment geen omschakeling maar een splitsing: MAI Code 2 op het dagelijkse reparatieverkeer waar zijn prijsvoordeel het grootst is, een gemeten frontier-model op de refactors en het werk met een lange horizon, en automatische failover daaronder zodat een onbewezen model nooit een single point of failure wordt. Die 40% is het testen waard. Die 98% is apart het testen waard, op je eigen repositories, voordat iemand een migratie eromheen plant.