Wygenerowana karta tytułowa premiery siedmiu modeli MAI na Ignite 2026, z wyróżnionym MAI Code 2 przy cenie 0,50 USD za milion tokenów wejściowych i 2,50 USD za milion tokenów wyjściowych w zestawieniu z Claude Opus 5.5 odpowiednio przy 4,00 USD i 20,00 USD.
Guides & Insights

Siedem modeli MAI w jednym keynote Ignite: gdzie tak naprawdę pasuje MAI Code 2

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Microsoft wykorzystał swoją prezentację główną Ignite 2026 17 listopada, by wystawić na scenę naraz siedem nowych modeli, a tym, o którym programiści będą się spierać, jest MAI Code 2. Nie sprzedaje się go wynikiem, lecz proporcją: w swoim ogłoszeniu Microsoft podaje, że osiąga 96% Claude Opus 5.5wydajności w czterech benchmarkach kodowania za 5% kosztu oraz 98% GPT-6.1 Solza 40%. To liczby dostawcy z wewnętrznego środowiska ewaluacyjnego Microsoftu, których nikt spoza Microsoftu nie odtworzył, a w chwili pisania model nie miał własnego wiersza w niezależnym rankingu. To, co mimo to czyni tę premierę wartą uwagi, to fakt, że proporcja cen jest realna i weryfikowalna, karta modelu jest nietypowo konkretna, a dystrybucja węższa, niż sugeruje ton ogłoszenia.

Oto zarys premiery: co zostało wydane, z czego uśredniono twierdzenia, co mówi karta modelu, czego nie mówi wpis na blogu, ile to kosztuje i kiedy ta cena się zmienia, oraz dlaczego to model do kodowania ma znaczenie dla budżetu, a nie najefektowniejszy w zestawie.

Co tak naprawdę ogłoszono

Siedem modeli, jeden układ, jeden program licencyjny. Modele to MAI Cyber 2 Flash do prac związanych z bezpieczeństwem defensywnym, MAI Code 2 i MAI Code 2 Flash do kodowania, MAI Image 2.7 do generowania i edycji obrazów, MAI Realtime 1 do konwersji mowy na mowę na żywo, Dragon Copilot Transcribe zbudowany na MAI Transcribe 2 oraz Decision 1.1, model routujący, który — jak twierdzi Microsoft — jest 50 razy szybszy i 79 razy tańszy niż GPT-Sol 6.1. Obok nich Microsoft wprowadził do produkcji Maia 200, swój akcelerator drugiej generacji, oraz przedstawił MAI Licensed Weights, które pozwalają organizacji uruchomić dostosowany model MAI we własnym środowisku Azure.

Card listing all seven MAI models announced at Ignite on 17 November 2026 with their roles, and the two coding prices: MAI Code 2 at $0.50 and $2.50 per million tokens, MAI Code 2 Flash at $0.05 and $0.25.

Para do kodowania to miejsce, w którym są pieniądze. MAI Code 2 to większy model, pozycjonowany do głębokiego debugowania, wdrażania obejmującego wiele plików, rozumowania w całym repozytorium i prac front-endowych. MAI Code 2 Flash to ten mniejszy: wyjaśnianie kodu, ukierunkowane edycje, rutynowe poprawki, szybka iteracja. Microsoft wyraźnie zaznacza, że są to modele do codziennego użytku w przedsiębiorstwach, a nie modele goniące czołówkę, i ogłoszenie mówi to dwukrotnie.

Twierdzenie, z którym Microsoft wychodzi na prowadzenie, i to, z czego jest to średnia

Liczby 96% i 98% to średnia z czterech benchmarków: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas i FrontierCode v1.1. Trzy z nich uruchomiono na MSBench, wewnętrznej platformie ewaluacyjnej Microsoftu, przy użyciu GitHub Copilot CLI w wersji 1.0.102 z wyłączonymi podagentami i każdym modelem na maksymalnym poziomie wysiłku rozumowania. Komponent FrontierCode ma odmienny charakter: te wyniki i koszty pochodzą z Artificial Analysis, a nie z harnessu Microsoftu. Główna liczba jest więc połączeniem trzech testów przeprowadzonych samodzielnie i jednego testu zewnętrznego, a następnie wyrażona jako odsetek średnich dwóch konkurentów.

Screenshot of Microsoft's MAI Code 2 announcement page, dated 17 November 2026, showing the 98% of GPT-6.1 Sol at 40% of the cost and 96% of Claude Opus 5.5 at 5% of the cost claims beside a chart of average pass rate and average cost per task: MAI Code 2 at 63.2% and $0.309, GPT-6.1 Sol at 64.1% and $0.761, Claude Opus 5.5 at 65.3% and $6.306.

Obok niego stoi drugie twierdzenie i to ono mówi najwięcej o tym, co według Microsoftu udało się zbudować. W zaślepionych ocenach porównawczych pracy front-endowej obejmującej interfejsy, gry, wizualizacje danych, sceny 3D i grafikę SVG recenzenci w 64% przypadków preferowali wyniki MAI Code 2 nad wynikami GPT-6 Sol — przy udziale 258 annotatorów. To badanie preferencji, a nie wskaźnik zaliczeń, a preferencje można tanio zdobyć pewnie wyglądającym kodem UI. To także jedyne twierdzenie w ogłoszeniu, które odnosi się do gustu, a nie poprawności, a gust to obszar, w którym tani model może wiarygodnie pokonać droższy w prawdziwym zespole produktowym.

Co mówi karta modelu, a czego nie mówi post na blogu

24-stronicowa karta modelu jest bardziej użytecznym dokumentem, ponieważ zawiera liczby potrzebne kupującemu, których ogłoszenie nie podaje.

• Architektura — transformator wyłącznie dekoderowy z rzadkimi warstwami mieszaniny ekspertów i zintegrowanym enkoderem wizyjnym, w obu modelach

• Parametry — MAI Code 2: około 2,8 biliona łącznie, 77 miliardów aktywnych, w tym 3 miliardy wbudowane; MAI Code 2 Flash: około 398 miliardów łącznie i 12 miliardów aktywnych

• Trening — około 50 bilionów tokenów wstępnego treningu plus około 150 miliardów tokenów rozszerzenia długiego kontekstu dla dużego modelu, wszystko między sierpniem a listopadem 2026 r., z datą odcięcia wiedzy w sierpniu 2026 r.

• Kontekst i limity — kontekst 1 050 000 tokenów, maksymalne wejście 922 000 tokenów i maksymalna liczba tokenów wyjściowych 128 000, na wejściu tekst i obraz, na wyjściu tekst

• Kontrola rozumowania — pięć poziomów wysiłku, od niskiego do maksymalnego, równoważąc opóźnienie i koszt względem jakości

• Deklarowane ograniczenia — w momencie wydania optymalizowany wyłącznie pod kątem tworzenia kodu w języku angielskim, nie jest dostrojony do badań podstawowych ani bardzo długoterminowej pracy agentowej i nie jest przeznaczony dla w pełni autonomicznych systemów podejmujących istotne działania bez nadzoru człowieka

Ta ostatnia linijka jest szczera i to zdanie zespół ds. zakupów powinien przeczytać dwa razy. Microsoft nie twierdzi, że oferuje ogólny model klasy frontier po obniżonej cenie. Twierdzi, że oferuje model do kodowania, który dobrze radzi sobie z pracą, jaką klienci GitHub Copilot faktycznie wykonują, i wprost mówi, gdzie model się zatrzymuje.

Gdzie można to wywołać, co jest węższe, niż to brzmi

MAI Code 2 i MAI Code 2 Flash są dostępne w GitHub Copilot: większy model w planach Copilot Pro, Pro+, Max, Business i Enterprise, a Flash od planu Free wzwyż. MAI Code 2 Flash jest dodatkowo dostępny w ograniczonym zakresie w wersji zapoznawczej w Microsoft Foundry i można go wywoływać za pośrednictwem zgodnego z OpenAI interfejsu Responses API. Sam MAI Code 2 nie ma wdrożenia w Foundry w momencie premiery.

Ta asymetria to praktyczny szczegół ukryty pod slajdem z benchmarkami. Jeśli chcesz mieć MAI Code 2 w Copilot, masz go już dziś. Jeśli chcesz wywoływać MAI Code 2 z własnej aplikacji, swojego frameworka agentów lub swojego potoku CI, nie ma opublikowanego punktu końcowego, który można wywołać: jedynym modelem z tej pary mającym ofertę API jest ten mniejszy, a jest to wersja zapoznawcza. Microsoft twierdzi, że dostępność dla podmiotów trzecich nadchodzi; nic nie zostało jeszcze opublikowane i nie podano daty. Wagi modelu nie są w ogóle udostępniane, a licencja to zestaw warunków produktowych, a nie licencja open source.

Ile to kosztuje i data, w której cena się podwaja

Copilot rozlicza te modele za token w ramach rozliczeń opartych na zużyciu, a oba objęte są cenami promocyjnymi z opublikowaną datą zakończenia.

• MAI Code 2 — 0,50 USD za milion tokenów wejściowych, 0,025 USD za milion buforowanych tokenów wejściowych, 2,50 USD za milion tokenów wyjściowych, do 17 maja 2027 r.; od tego dnia: 1,00 USD, 0,05 USD i 5,00 USD

MAI Code 2 Flash — $0.05, $0.005 i $0.25 do 17 maja 2027 r.; od tej daty: $0.10, $0.01 i $0.50

• Claude Opus 5.5, dla porównania — 4,00 USD za wejście, 0,20 USD za wejście z pamięci podręcznej i 20,00 USD za wyjście za milion tokenów

• GPT-6.1 Sol, dla skali — $2.00 za wejście, $0.10 za wejście z pamięci podręcznej i $10.00 za wyjście za milion tokenów

Przeczytaj pierwszą i trzecią linię razem, a arytmetyka staje się interesująca. Przy stawkach promocyjnych MAI Code 2 kosztuje 12,5% ceny za token modelu Claude Opus 5.5 i 25% ceny modelu GPT-6.1 Sol. Wiodąca liczba Microsoftu to 5% i 40% kosztu, a nie ceny. Te proporcje z nagłówka to koszt na zadanie w czterech benchmarkach, który łączy stawkę za token z tym, ile tokenów każdy model zużywa na ukończenie zadania — a karta modelu mówi, że każdy model uruchomiono przy maksymalnym wysiłku rozumowania, gdzie liczba tokenów zmienia się najbardziej.

Różnicę między tymi dwoma rodzajami liczb warto wnieść do rozmowy o budżecie. Wskaźnik kosztu na poziomie 5% nałożony na wskaźnik ceny 12,5% sugeruje, że MAI Code 2 kończy te zadania, zużywając około 40% tokenów zużywanych przez Claude Opus 5.5. To moje obliczenia na podstawie opublikowanych przez Microsoft wskaźników, a nie oficjalne stanowisko Microsoftu, i wskazują przeciwny kierunek niż typowa opowieść o obniżkach: oszczędność wynika mniej z taniego tokena, a bardziej z modelu, który kończy wcześniej. Mieszane stawki za dane wejściowe i wyjściowe sprawiają, że to w najlepszym razie przybliżona liczba, ale kierunek warto znać, ponieważ tanie tokeny i tanie zadanie to nie ta sama pozycja budżetowa, a tylko pomiar na poziomie zadania powie ci, który z nich kupujesz.

Dlaczego to premiera cenowa, a nie premiera nowych możliwości

Nic w materiale premierowym nie twierdzi o nowym stanie sztuki. Według samego Microsoftu modele te są „wprost jeszcze nie dostrojone do trudniejszych problemów”, a karta modelu dodaje, że alignment ocenia się jako podobny do GPT-5.6 Sol i słabszy niż w GPT-6. Prezentowana strategia to ta, którą Ignite keynote przedstawił wprost: gdy model powstaje, by przesuwać granice nauki, za tę zdolność płaci się przy każdej rutynowej poprawce błędu, więc zbuduj model, który jest dobry w rutynowej pracy, i odpowiednio go wyceń.

To, czy to zadziała, zależy od pytania, na które Microsoft nie potrafi odpowiedzieć sam. Zestaw porównawczy to własny harness Microsoftu zestawiony z opublikowanymi konfiguracjami dwóch konkurentów, a jedyny niezależny komponent, FrontierCode, to jeden benchmark z czterech. Wskaźnik zaliczeń first-party na first-party harnessie to rozsądny sygnał inżynieryjny, ale słaby sygnał zakupowy. Liczbą, na którą trzeba czekać, jest niezależny wiersz na neutralnym leaderboardzie, uruchomiony przez kogoś, kto nie ma interesu w odpowiedzi, i na harnessie, którego nikt w Microsoft nie konfigurował.

Jak samodzielnie wycenić porównanie

Screenshot of OrcaRouter's Claude Opus 5.5 model page showing the list rate of $4.00 per million input tokens and $20.00 per million output, a 1M-token context, 128K maximum output and text, image and file input.

Ani MAI Code 2, ani MAI Code 2 Flash nie znajdują się dziś w katalogu OrcaRouter; opublikowaną trasą jest GitHub Copilot, co oznacza, że porównania, do którego zachęca Microsoft, nie da się obecnie przeprowadzić na jednym kluczu. Modele, z którymi jest on porównywany — owszem. Claude Opus 5.5, GPT-6.1 Sol i Gemini 4 Carbon są dostępne w OrcaRouter w cenie katalogowej dostawcy z 0% narzutu, więc droższa strona tego zestawienia jest dziś mierzalna, ze stawkami za token, które zmieniają się tego samego dnia, w którym zmienia je dostawca. Jeśli tańsza strona stanie się później wywoływalna poza Copilotem, porównanie zamieni się w decyzję dotyczącą trasowania, a nie ćwiczenie w arkuszu kalkulacyjnym — a automatyczne przełączanie awaryjne jest tym, co sprawia, że model oceniany pod kątem ceny i wydajności można bezpiecznie umieścić w ścieżce produkcyjnej, zanim zdobędzie niezależne wyniki.

Na co zwrócić uwagę, po kolei: niezależna pozycja w benchmarku dla MAI Code 2; wdrożenie w Foundry dla dużego modelu, a nie tylko wersji zapoznawczej Flash; oraz 17 maja 2027 r., kiedy cena obu modeli się podwoi. Ostatni z nich widnieje w kalendarzu, co czyni go jedynym elementem tej premiery, na który można się przygotować.

Porównane w tym artykule2

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie