
MAI Code 2 vs. Kimi K3.1 Pro: de een publiceert een getal, de ander een korting.
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 180 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 223 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 89 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 98 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
MAI Code 2 is op 17 november 2026 in de verkoop gegaan met een prijs en zonder score. Kimi K3.1 Pro, die Moonshot AI op 24 oktober 2026 aankondigde en op 4 november opende, komt met beide: $2,00 per miljoen inputtokens en een onafhankelijke Intelligence Index-waarde van 46. Die asymmetrie, en niet een benchmarktabel, is waar deze vergelijking over gaat. Het lanceringsbericht van Microsoft noemt vier programmeerbenchmarks — DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas en FrontierCode v1.1 — en publiceert vervolgens verhoudingen in plaats van resultaten: 96% van de prestaties van Claude Opus 5.5 tegen 5% van de kosten, 98% van die van GPT-6.1 Sol tegen 40%, gemiddeld over de vier. Moonshot publiceert een echt percentage op een echte benchmark, en Artificial Analysis draait daar bovenop zijn eigen testharnas. De ene kant geeft je een korting die je tot op de cent kunt verifiëren en een capaciteitsclaim die je helemaal niet kunt controleren. De andere kant geeft je een getal waarover je kunt discussiëren.
Beide worden gehost. Slechts één is downloadbaar. Dat blijkt belangrijker te zijn dan het viervoudige prijsverschil.
Wat Microsoft publiceerde, en wat het achterwege liet
De lanceringspost is specifiek over de methode en zwijgt over de resultaten, een ongebruikelijke combinatie die aandachtig lezen waard is. De vier benchmarks worden genoemd. Drie ervan — DeepSWE 1.1, Terminal Bench 2.1 en SWE-Atlas — zijn uitgevoerd op MSBench, Microsofts interne evaluatieplatform, aangestuurd via de GitHub Copilot CLI met subagents uitgeschakeld en elk model op maximale redeneerinspanning. De scores en kosten van FrontierCode komen van Artificial Analysis, waardoor het het enige onderdeel van het gemiddelde is dat Microsoft niet zelf heeft geproduceerd. Kosten worden vermeld tegen de actieprijs van 50% voor het model.
Dan de resultaten: twee verhoudingen en een voorkeursaandeel. 96% van de prestaties van Claude Opus 5.5 tegen 5% van de kosten. 98% van die van GPT-6.1 Sol tegen 40%. In blinde frontend-evaluaties gaven beoordelaars 64% van de keren de voorkeur aan de output van MAI Code 2 boven GPT-6 Sol. Nergens in de launchpost of op de modelpagina staat een enkele pass rate voor het model op een van die vier benchmarks, een parameteraantal of een outputplafond. Op 18 november 2026 is er ook geen Artificial Analysis-rij voor, dus er bestaat niets onafhankelijks om de leemte te vullen.
Dat is geen schandaal. Het is een keuze met een specifieke prijs voor de koper: je kunt niet berekenen wat een voltooide taak kost, omdat je niet weet hoeveel pogingen het model nodig heeft. Een over vier benchmarks gemiddelde ratio meet het gemiddelde, niet de verdeling, en bij programmeerwerk heeft de verdeling een lange staart.
De tariefkaart, die volledig openbaar en volledig controleerbaar is
De prijsstelling is het punt waarop het verhaal van MAI Code 2 concreet wordt, omdat GitHub het tot op een tiende van een cent documenteert.
• Invoer — MAI Code 2 voor $0,50 per miljoen tokens tegenover Kimi K3.1 Pro voor $2,00; MAI is een kwart van de prijs
• Output — $2,50 tegenover $10,00 per miljoen; dezelfde viervoudige verhouding, dus de korting is geen artefact van de mix
Gecachte invoer — $0,025 tegenover $0,20 per miljoen; MAI is een achtste, en GitHub publiceert aan geen van beide kanten kosten voor cache-schrijven
• Vanaf 17 mei 2027 — MAI Code 2 wordt herprijsd naar $1,00 / $0,05 / $5,00, waardoor het voordeel halveert naar 2× op nieuwe tokens en 4× op cache-reads
• {{1}}Context — 1.048.576 tokens op Kimi K3.1 Pro via de API van Moonshot, tegenover een venster van 1 miljoen tokens op MAI Code 2 dat alleen binnen Visual Studio Code en Copilot CLI opent{{/1}}
• Outputplafond — niet gepubliceerd door Microsoft, en ook geen afzonderlijk outputplafond in Moonshot's gepubliceerde kaart; het cijfer 1,048,576 is een contextvenster, geen generatielimiet
• Gewichten — geen, uitsluitend gehost, tegenover een MXFP4-download van 1,56 TB die op 4 november 2026 is gepubliceerd
De regel voor gecachte invoer is waar een agentische workload daadwerkelijk zijn geld uitgeeft, en die valt sterker in het voordeel van Microsoft uit dan het kopcijfer doet. Een codeeragent herhaalt bij elke beurt een vaste systeemprompt, een stabiel toolschema en een repositoryprefix. Bij $0,025 per miljoen gecachte tokens tegenover $0,20 is het verschil op de regels die de rekening domineren groter dan 4×. De vervaldatum richt vervolgens de meeste schade aan: vanaf 17 mei 2027 wordt het gecachte tarief $0,05, terwijl dat van Moonshot blijft waar Moonshot het zet, en het voordeel krimpt tot 4× op caching en 2× op nieuwe tokens.
Het enige instrument dat de andere kant wél publiceert
Het bewijs van Kimi K3.1 Pro heeft een andere vorm: een leverancierscijfer dat je tegen een onafhankelijk cijfer kunt afzetten, en een kostprijs per taak waarin de tijd die het model aan denken besteedt, is meegerekend.
Moonshots eigen lanceertabel zet Kimi K3.1 Pro op 65,7% op Terminal-Bench 4.0, als tweede achter Claude Opus 5.5 met 66,4%. Dat is een echt percentage op een actuele benchmark, op de lanceringsdag door de leverancier gepubliceerd, en het stelt het model niet mooier voor dan het is. Op de Intelligence Index, versie 5.0.1, scoort Kimi K3.1 Pro 46, ruim boven de mediaan van 23 die Artificial Analysis voor vergelijkbare modellen rapporteert.
De kostenkant is waar een onafhankelijke lezing zijn waarde bewijst, en die is ook niet flatteus. Artificial Analysis plaatst Kimi K3.1 Pro op $3,68 per Intelligence Index-taak, met 38,4 minuten per taak bij 31 tokens per seconde output en 157,8 seconden tot het eerste antwoordtoken — traag tegenover een mediaan van 13,6 minuten per taak. Dat zijn de cijfers die je nodig hebt om te beslissen of een model thuishoort in een loop in plaats van in een chatvenster, en er bestaat geen equivalent voor MAI Code 2.

Wat de viervoudige korting eigenlijk koopt
Haal de marketing eruit en de ruil is leesbaar. MAI Code 2 kost vandaag een kwart van Kimi K3.1 Pro en na mei 2027 de helft daarvan. In ruil daarvoor accepteer je vier dingen die je niet kunt inspecteren: het slagingspercentage, het aantal pogingen per afgeronde taak, de omvang van het model en het gedrag ervan buiten de vier benchmarks die Microsoft heeft gekozen. Microsoft is ongewoon direct over het laatste punt: de lanceringspost zegt dat de modellen "expliciet nog niet zijn afgestemd op moeilijkere problemen, zoals fundamenteel wetenschappelijk onderzoek en agentisch werk met een zeer lange horizon." Die zin moet je eerder geloven dan de 96%, want het is een beperking die de leverancier uit eigen beweging heeft toegegeven.
De afweging bij Kimi K3.1 Pro werkt precies andersom. Je betaalt vier keer zoveel per token, wacht 38 minuten op een taak en krijgt een model dat je kunt downloaden, binnen je eigen tenantomgeving kunt fine-tunen en kunt blijven draaien als de API van Moonshot een slechte week heeft. De gewichten zijn 1,56 TB verdeeld over 96 shards in MXFP4, wat een echte servingtaak is in plaats van een download voor op een laptop, en de licentie is een op maat gemaakt juridisch instrument met een omzetdrempel — geen Apache, geen MIT, geen OSI-goedgekeurde licentie. Dus "open" betekent hier auditabel en zelf te hosten, niet onbezwaard. Voor een beveiligingsreview is dat onderscheid prima. Voor een product dat je wilt herverdelen, lees eerst de licentie.
Geen van beide modellen is een slechte aankoop. Ze zijn geprijsd voor verschillende kopers: het ene voor een team dat al voor Copilot betaalt en goedkopere tokens wil binnen de tooling die het heeft geadopteerd, het andere voor een team dat een asset wil die het kan verplaatsen.
Beide partijen bellen, en degene zonder eindpunt.
Kimi K3.1 Pro staat op OrcaRouter als kimi/kimi-k3.1-pro voor $2,00 en $10,00 per miljoen tokens, doorberekend tegen het lijsttarief van de provider met 0% markup — dus als Moonshot zijn tariefkaart wijzigt, verandert uw factuur dezelfde dag in plaats van na een herprijzingscyclus van een reseller. Het staat achter dezelfde sleutel als de rest van de catalogus, en automatische failover betekent dat een snelheidslimiet aan providerzijde een nieuwe poging wordt in plaats van een storing midden in een agentrun van 38 minuten.
MAI Code 2 staat niet in onze catalogus en kan daar ook niet in staan. De enige gepubliceerde route is een GitHub Copilot-abonnement, in de varianten Pro, Pro+, Max, Business en Enterprise; het kleinere MAI Code 2 Flash is het enige model in de familie met een API-interface, een preview met beperkte toegang in Microsoft Foundry via een OpenAI-compatibele Responses API. Als je de twee wilt vergelijken op je eigen repositories, moet één kant van het experiment in een Copilot-client draaien en de andere tegen een HTTP-endpoint. Dat is een echte beperking voor het ontwerp, geen voetnoot.
De opzet die het overleeft, is een splitsing in plaats van een migratie. Houd het meetbare model op de route waarvoor budget moet worden vrijgemaakt, waar de $3.68 per taak en de voltooiingstijden van 38 minuten van Kimi K3.1 Pro bekende grootheden zijn waarop je kunt plannen. Zet MAI Code 2 voor de ontwikkelaars die al in Copilot werken, waar uitproberen niets kost afgezien van een seat die ze al hebben. Bepaal vervolgens de kosten per afgeronde taak op basis van je eigen repositories in plaats van op basis van een gemiddelde over vier benchmarks.

Welke moet je kiezen?
• Je moet het model auditen of het zelf draaien — Kimi K3.1 Pro, en er is hier geen tweede kandidaat. De gewichten zijn downloadbaar en de licentiekwestie is te beantwoorden.
• Uw ontwikkelaars leven al in Copilot en het werk is routineherstel — MAI Code 2 voor $0,50 en $2,50, met dien verstande dat de cijfers van 96% en 98% van Microsoft zelf zijn en niet zijn gereproduceerd.
• Je hebt een verdedigbaar getal nodig voor inkoop — Kimi K3.1 Pro, omdat er een onafhankelijke indexwaarde van 46 bestaat en het andere model geen rij heeft.
• U maakt een begroting voor de periode na mei 2027 — Kimi K3.1 Pro, of MAI Code 2 gemodelleerd tegen de verdubbelde tariefkaart in plaats van de promotionele.
• Je wilt de goedkoopste token voor een door mensen aangestuurde workflow — MAI Code 2, want iemand die op een voltooiing wacht, betaalt niet voor kloktijd zoals een agent-loop dat doet.

De open vraag is of Microsoft ooit een absoluut getal publiceert. Eén slaagpercentage op Terminal-Bench 4.0 zou meer beslechten dan welke verhouding dan ook, want daarmee zou MAI Code 2 op dezelfde as komen te staan als al het andere. Zolang dat niet bestaat, is dit een vergelijking tussen een prijslijst en een gemeten model — en de eerlijke aanbeveling is de goedkopere token voor werk dat je kunt volgen, en het gemeten model voor werk dat je niet kunt volgen.
Vergeleken in dit artikel1
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
