Wygenerowana karta porównawcza pokazująca MAI Code 2 przy 0,50 USD za milion tokenów wejściowych i 2,50 USD za milion tokenów wyjściowych w porównaniu z Claude Opus 5.5 przy 4,00 USD i 20,00 USD, z twierdzeniem o 96 procentach wydajności i 5 procentach kosztów oznaczonym jako deklarowane przez dostawcę.
Guides & Insights

MAI Code 2 kontra Claude Opus 5.5: czego nie mówi twierdzenie o 96% za 5%

Autor

jinhao.song

Data publikacji

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

Porównanie między MAI Code 2 a Claude Opus 5.5 zawiera jedną liczbę, którą wszyscy cytują, a nikt nie może zweryfikować. Microsoft twierdzi, że MAI Code 2 osiąga 96% wydajności Opus 5.5 w czterech benchmarkach programistycznych przy 5% kosztu. Opus 5.5 jest ogólnie dostępny od 22 września 2026 r., ma opublikowany cennik i zajmuje 59. miejsce w Artificial Analysis Intelligence Index. MAI Code 2 trafił na rynek 17 listopada 2026 r. z własnym cennikiem i bez żadnego niezależnego wyniku — można go wywoływać w GitHub Copilot i nigdzie indziej, a Artificial Analysis nie miało dla niego wiersza w momencie pisania tego tekstu. Uczciwe porównanie to więc nie dwie kolumny liczb. To jeden model, który można zmierzyć, i jeden model, w przypadku którego można tylko wierzyć na słowo Microsoftowi, plus różnica cen wystarczająco duża, by to słowo brać poważnie, dopóki ktoś tego nie przetestuje.

Dwie karty stawek, przed jakimikolwiek procentami

Microsoft rozlicza MAI Code 2 za token przez GitHub Copilot w modelu rozliczeń opartym na zużyciu, według stawek promocyjnych, które wygasają w podanej dacie. Anthropic rozlicza Opus 5.5 za token według ceny katalogowej, bez terminu wygaśnięcia.

Side-by-side rate card comparing MAI Code 2 at $0.50 input, $2.50 output and $0.025 cached input per million tokens with Claude Opus 5.5 at $4.00, $20.00 and $0.20, showing an 8x gap that narrows to 4x after 17 May 2027.

• Wejście — MAI Code 2 za 0,50 USD za milion tokenów w porównaniu z Claude Opus 5.5 za 4,00 USD; Opus kosztuje 8× więcej za token wejściowy

• Dane wyjściowe — $2.50 vs $20.00 za milion; ta sama 8× różnica

• Wejście z pamięci podręcznej — $0.025 vs $0.20 za milion; ponownie 8×

• Po 17 maja 2027 r. — MAI Code 2 zmienia ceny na 1,00 $ / 0,05 $ / 5,00 $, co zawęża różnicę do 4× na wejściu i 4× na wyjściu

• Kontekst — Opus 5.5 opublikował okrągły 1 000 000; MAI Code 2 opublikował 1 050 000, czyli o 5% większe okno i nie bardziej użyteczne bez wyszukiwania, które sprawdza się na dalekim końcu

• Maksymalna długość wyjścia — 128 000 tokenów w obu przypadkach

• Modalność wejściowa — Opus 5.5 akceptuje pliki wraz z tekstem i obrazami; karta modelu MAI Code 2 wymienia tylko tekst i obrazy

• Dostępność wag — nie można pobrać żadnego z nich z różnych powodów: Opus 5.5 jest własnościowy, a MAI Code 2 jest sprzedawany wyłącznie jako usługa hostowana

To właśnie w tej tabeli oba modele są naprawdę porównywalne i wynika z niej stosunek cen na poziomie 12,5%, a nie 5%. Liczba 5% to koszt na zadanie, czyli inny pomiar: dzieli całkowite wydatki przez ukończone zadania, więc uwzględnia, ile tokenów każdy z modeli zużywa przy maksymalnym wysiłku rozumowania. Model, który rozumuje efektywniej lub po prostu zatrzymuje się wcześniej, może wypaść na poziomie 5%, mimo że nalicza 12,5% za token. Karta modelu potwierdza, że wszystkie porównania przeprowadzono przy maksymalnym wysiłku, czyli w ustawieniu, w którym liczba tokenów różni się najbardziej.

Z czego zbudowane jest te 96% i kto tym kierował

Cztery benchmarki mieszczą się poniżej 96%: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas i FrontierCode v1.1. Trzy z nich pochodzą z MSBench, wewnętrznej platformy ewaluacyjnej Microsoftu, uruchamianej przez GitHub Copilot CLI w wersji 1.0.102 z wyłączonymi podagentami. Czwarty, FrontierCode, to dane Artificial Analysis. Karta modelu Microsoftu podaje surowe wskaźniki zaliczeń przy maksymalnym wysiłku rozumowania: 73,2% na DeepSWE 1.1, 84,6% na TerminalBench 2.1 i 43,1% na SWE Atlas.

Spójrz na te trzy liczby bez patrzenia przez pryzmat procentów, a zobaczysz inny obraz. SWE Atlas jest najsłabszy z tej trójki z wynikiem 43,1%, a zarazem to benchmark z tego zestawu, który nie dotyczy naprawiania błędu: ocenia odpowiadanie na pytania o bazę kodu, pisanie testów i refaktoryzację zarówno według rubryki, jak i za pomocą kontroli programowych. Model dostrojony pod „zmiany, które maintainerzy kodu scaliliby” może dobrze wypadać w testach rozwiązywania zgłoszeń, a mimo to być przeciętny w wyjaśnianiu bazy kodu. Microsoft nie publikuje podziału wyników poszczególnych benchmarków w porównaniu z Opus 5.5, tylko średnią, więc nie da się zobaczyć, który z czterech ciągnie wynik 96%, a który go zaniża.

Własne liczby dostawcy Opus 5.5 wskazują na podobny kierunek z przeciwnej strony. Materiał premierowy Anthropic podawał Terminal-Bench 4.0 na poziomie 66,4% i GDPval-AA v2.1 na poziomie 1 846 Elo. Również pochodzą one od dostawcy, również nie zostały odtworzone przez środowisko testowe Microsoftu i dotyczą zupełnie innej wersji benchmarku — Terminal-Bench 4.0 w porównaniu z 2.1 Microsoftu. To, że dwóch dostawców podaje różne wersje tej samej rodziny testów, nie jest porównaniem. To dwie reklamy stojące naprzeciw siebie.

Co niezależny ewaluator faktycznie mówi o Opus 5.5

Opus 5.5 to jeden z niewielu modeli w tym przedziale cenowym z pełną dokumentacją wyników od podmiotów trzecich. Artificial Analysis plasuje go na poziomie 59 w Intelligence Index v5.0.1 — złożonym wskaźniku z dziewięciu ewaluacji, obejmującym testy od Terminal-Bench 4.0 przez FrontierCode-AA 2.0 po Terminal-Bench-Science 0.1. Liczby uzupełniające to te, wokół których trzeba planować: 10,04 USD na zadanie indeksowe, 24,5 minuty na zadanie, 118 tokenów na sekundę generowanego tekstu i 358 sekund do pierwszego tokenu odpowiedzi.

Screenshot of the Artificial Analysis page for Claude Opus 5.5 showing an Intelligence Index of 59, $4.00 input and $20.00 output per million tokens, $10.04 per index task, 24.5 minutes per task, 118 output tokens per second and a 1M-token context window.

Dwie z tych liczb mają większe znaczenie niż wynik. Czas 358 sekund do pierwszego tokenu odpowiedzi to doświadczenie użytkownika wpatrującego się we wskaźnik ładowania, a 24,5 minuty na zadanie to rzeczywisty czas zegarowy, jaki kosztuje długie uruchomienie agenta. Opus 5.5 nie jest szybkim modelem; jest modelem dokładnym. Tańszy konkurent nie musi dorównywać jego 96-procentowej dokładności, aby wygrać obciążenie — wystarczy, że będzie wystarczająco dobry w konkretnym zadaniu i znacznie szybszy lub tańszy na poziomie krańcowym. To cały argument za modelem ceny do wydajności, a Microsoft formułuje go bez niezależnych dowodów, które by go rozstrzygnęły.

Gdzie MAI Code 2 jeszcze nie może trafić

To jest ta część, którą ukrywa procent. MAI Code 2 trafia w ramach GitHub Copilot, na każdym płatnym planie od Pro po Enterprise, w każdym edytorze, który GitHub obsługuje. To szeroki zestaw powierzchni i infrastruktura jednego dostawcy. Na premierę nie ma wdrożenia Foundry dla dużego modelu; tylko MAI Code 2 Flash ma podgląd Foundry, przez zgodne z OpenAI Responses API. Microsoft mówi, że dalsza dostępność nadejdzie, nie podaje daty i nie udostępnia wag.

Opus 5.5 natomiast jest dostępny w API samego Anthropic i w trzech głównych chmurach, z identyfikatorem modelu, opublikowanym minimalnym terminem wycofania i udokumentowaną polityką dotyczącą snapshotów. Jeśli Twoja praca odbywa się w Copilot, to porównanie jest aktualne już dziś. Jeśli odbywa się w Twoim własnym frameworku agentowym, potoku CI lub stosie wielu dostawców, jedna strona tego porównania to komunikat prasowy.

Podział obciążenia pracą, który tak naprawdę decyduje o wyniku

• Rutynowa naprawa w środowisku korporacyjnym — możliwe do scalenia poprawki, edycje obejmujące wiele plików, dogłębne debugowanie w znanym repozytorium — to zadanie, pod które Microsoft zbudował i wycenił swoją ofertę. Przy 12,5% dzisiejszej stawki Opusa za token, nawet model, który potrzebuje drugiej próby, by osiągnąć ten sam wskaźnik zaliczeń, może być tańszy w przeliczeniu na ukończone zadanie.

• Długoterminowa praca agentowa to obszar, w którym – jak twierdzi Microsoft – model nie jest dostrojony; mowa o tym w ogłoszeniu, a następnie ponownie w karcie modelu. Całe pozycjonowanie Opus 5.5 opiera się właśnie na tym obciążeniu, a jego 1,846 Elo w GDPval-AA to liczba, którą Anthropic zdecydowało się wysunąć na pierwszy plan.

• Bazy kodu w językach innych niż angielski — to nie domysł, lecz zdanie z karty modelu: na moment wydania generowanie kodu odbywa się wyłącznie po angielsku, a rzadziej używane języki są wyraźnie niedostatecznie ocenione. Opus 5.5 nie zawiera równoważnego zastrzeżenia.

• Wszystko, co wykonuje działania o istotnych konsekwencjach bez człowieka w pętli, wykracza poza zakres po obu stronach, ale Microsoft mówi o tym wprost w przypadku MAI Code 2 i oczekuje nadzorowanych przepływów pracy agentów.

• Kontekst powyżej miliona tokenów to w praktyce remis. Oba rozwiązania deklarują około miliona; żadnej z tych liczb nie należy ufać jako budżetowi roboczemu bez przetestowania odzyskiwania na dalekim końcu.

Prowadzenie obu stron księgi

Claude Opus 5.5 jest w katalogu OrcaRouter w cenie 4,00 USD za milion tokenów wejściowych i 20,00 USD za milion tokenów wyjściowych, a cena katalogowa dostawcy jest przekazywana bez narzutu (0%), więc zmiana ceny przez dostawcę trafia na Twoje rozliczenie w dniu, w którym następuje, a nie w dniu, w którym reseller zaktualizuje arkusz. Ma to większe znaczenie niż zwykle w porównaniu takim jak to, ponieważ cena samego MAI Code 2 podwaja się 17 maja 2027 r. — stosunek, który oceniasz dziś, nie jest stosunkiem, który będziesz płacić w czerwcu.

Screenshot of OrcaRouter's Claude Opus 5.5 model page listing the $4.00 input and $20.00 output per million token rates, a 1M-token context, 128K maximum output and zero data retention availability.

MAI Code 2 nie znajduje się w naszym katalogu, a jedyną opublikowaną drogą do niego jest GitHub Copilot. Jeśli Microsoft otworzy punkt końcowy Foundry dla dużego modelu, rozsądnym pierwszym krokiem nie jest migracja, lecz przebieg równoległy: utrzymać Opus 5.5 na ścieżce, która ma znaczenie, kierować tani model do zadań, których odpowiedź już znasz, i porównywać koszt ukończonego zadania, a nie cenę tokenów. To jest kształt decyzji, dla której istnieje automatyczne przełączanie awaryjne — nowy, niesprawdzony model na ułamku ruchu, ze sprawdzonym modelem w odwodzie, gdyby tańsza strona się zatkała.

Werdykt, który przetrwa zderzenie z dowodami: Opus 5.5 to model, który warto zachować do pracy, której nikt nie chce wykonywać ponownie, a MAI Code 2 to model do testowania w pracy wykonywanej codziennie. Microsoftowe 96% może się sprawdzać we własnym środowisku testowym Copilota. Nie zostało ono przetestowane nigdzie, gdzie mogłoby mu to zaprzeczyć, a dopóki tak się nie stanie, 5% jest twierdzeniem, a 12,5% to cennik.

Porównane w tym artykule1

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