Wygenerowana karta tablicy wyników przedstawiająca MAI Code 2 po 0,50 USD i 2,50 USD za milion tokenów, bez osobnego wiersza indeksu, w zestawieniu z GPT-6.1 Sol po 2,00 USD i 10,00 USD, z Artificial Analysis Intelligence Index na poziomie 55 i notatką o przestarzałym statusie.
Guides & Insights

MAI Code 2 vs GPT-6.1 Sol: Microsoft porównał się z przestarzałym modelem

Autor

Gideon Frost

Data publikacji

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

Najczęściej cytowanym zdaniem w ogłoszeniu Microsoftu z Ignite jest to, że MAI Code 2 zapewnia 98% GPT-6.1 Solwydajności w kodowaniu przy 40% kosztów. To dobre zdanie. Przywołuje jednak model, który Artificial Analysis oznaczyło już jako przestarzały, zastąpiony w samej ofercie OpenAI przez GPT-6.2 Sol — i to ten szczegół zmienia sens całego porównania: Microsoft wybrał punkt odniesienia, a ten punkt odniesienia nie jest już tym, którego trzeba pobić. MAI Code 2 trafił na rynek 17 listopada 2026 r. z promocyjną stawką 0,50 USD za milion tokenów wejściowych i 2,50 USD za milion tokenów wyjściowych. GPT-6.1 Sol kosztuje 2,00 USD i 10,00 USD i uzyskuje 55 punktów w niezależnym indeksie. Żaden z tych faktów nie czyni twierdzenia o 98% fałszywym. Czynią z niego porównanie z modelem schodzącym ze sceny, co jest czymś innym niż porównanie z czołówką.

Karty stawek i informacja o wycofaniu

• Cena za milion tokenów — GPT-6.1 Sol pobiera 2,00 USD za wejście i 10,00 USD za wyjście, bez terminu wygaśnięcia; MAI Code 2 pobiera 0,50 USD i 2,50 USD do 17 maja 2027 r., a następnie 1,00 USD i 5,00 USD

• Wejście z pamięci podręcznej — $0.10 wobec $0.025, 4× różnica, która utrzymuje się mimo obu zmian cen

• Długie prompty — brak opublikowanego poziomu cenowego dla MAI Code 2; GPT-6.1 Sol rozlicza wszystko powyżej 272 000 tokenów wejściowych według 2× stawki za wejście i 1,5× stawki za wyjście, więc żądanie na 300 tys. tokenów kosztuje więcej za token, niż sugeruje jego stawka nagłówkowa

• Kontekst — 1 050 000 tokenów w obu, z maksymalnym wyjściem 128 000 w obu

• Modalność wejściowa — GPT-6.1 Sol odczytuje pliki, a także tekst i obrazy; karta modelu MAI Code 2 deklaruje tekst i obrazy i na tym poprzestaje

• Status cyklu życia — MAI Code 2 całkiem nowy; GPT-6.1 Sol oznaczony przez Artificial Analysis jako przestarzały, które teraz benchmarkuje go co 18 godzin zamiast co 6

To ostatnie zdanie jest tym, które kupujący powinien rozważyć najuważniej. Model oznaczony jako przestarzały nie jest wycofany — nadal odpowiada i nadal jest rozliczany według cennika — ale tempo jego oceniania spadło, a jego dostawca poszedł dalej. Budowanie modelu kosztów wokół modelu w takim stanie oznacza oparcie go na liczbie, która nie zostanie zaktualizowana.

Na jakiej podstawie mierzy się 98% i dlaczego punkt odniesienia ma znaczenie

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.

Po odrzuceniu ramy 98% to średnia z czterech wskaźników zaliczeń, z których trzy Microsoft wygenerował sam. DeepSWE 1.1, Terminal Bench 2.1 i SWE Atlas przeszły przez MSBench, wewnętrzną platformę Microsoftu, za pośrednictwem GitHub Copilot CLI w wersji 1.0.102, z wyłączonymi podagentami, przy każdym modelu ustawionym na maksymalny wysiłek. Wyniki i koszty FrontierCode pochodzą z Artificial Analysis. Microsoft nie publikuje jednak podziału: karta podaje własne liczby MAI Code 2 — 73,2%, 84,6%, 43,1% — oraz jedną średnią w porównaniu z GPT-6.1 Sol, bez wiersza pokazującego, który benchmark ciągnął średnią w górę, a który ją zaniżał.

Średnia ukrywa kształt wyniku, a kształt ma znaczenie. SWE Atlas, z wynikiem 43,1%, jest najsłabszym z trzech publicznych wyników, a jednocześnie tym, który testuje odpowiadanie na pytania dotyczące bazy kodu, pisanie testów i refaktoryzację, a nie rozwiązywanie zgłoszeń. FrontierCode, jedyny komponent pochodzący z niezależnego źródła, jest jednym z czterech. Model, który dorównuje w benchmarkach naprawiania błędów, a pozostaje w tyle w refaktoryzacji, może mieć średnią 98% i nadal być złym narzędziem do refaktoryzacji.

Inny główny przekaz Microsoftu to badanie preferencji, a nie odsetek zaliczonych testów: w zaślepionej ocenie porównawczej pracy front-endowej w interfejsach, grach, wizualizacjach danych, scenach 3D i grafice SVG 258 anotatorów preferowało wynik MAI Code 2 od wyniku GPT-6 Sol w 64% przypadków. Zwróć uwagę na nazwę modelu — GPT-6 Sol, a nie 6.1 — oraz na to, że preferencja dotycząca wyglądu wygenerowanego interfejsu użytkownika nie jest miarą tego, czy on działa.

Co mówi niezależny zapis o GPT-6.1 Sol

GPT-6.1 Sol ma coś, czego MAI Code 2 nie ma: niezależny profil. Artificial Analysis ocenia go na 55 punktów w Intelligence Index v5.0.1 — tym samym kompozycie dziewięciu ewaluacji, na którym mierzeni są wszyscy pozostali w tej klasie — i odnotowuje 1,27 USD na zadanie indeksowe, 23,3 minuty na zadanie, 145 sekund do pierwszego tokenu odpowiedzi oraz 49 tokenów na sekundę generowanego tekstu.

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.

W obrębie własnej oferty OpenAI obraz się zmienił. GPT-6.2 Sol uzyskuje wynik 57 przy koszcie 1,01 USD na zadanie, więc model, względem którego Microsoft przeprowadzał testy porównawcze, został zarówno pokonany, jak i przebity cenowo przez własnego następcę. To nie jest argument przeciwko MAI Code 2 — tańszy model pokonujący starszy i droższy to dokładnie to, co powinna robić premiera nastawiona na stosunek ceny do wydajności. To argument przeciwko traktowaniu tych 98% jako opisu obecnego frontu. Uczciwe ujęcie jest takie, że Microsoft dorównał mocnemu modelowi z poprzedniej generacji przy 40% jego ceny, ale nie pokazał jeszcze, jak wypada wobec tego, który jest obecnie dostępny.

Gdzie trafiają tokeny — i właśnie tam leży prawdziwa różnica

40% Microsoftu to wskaźnik kosztu na zadanie, a nie stosunek cen. Stosunek cen wynosi 25% — 0,50 USD wobec 2,00 USD za wejście, 2,50 USD wobec 10,00 USD za wyjście. Aby wskaźnik kosztu wynosił 40%, podczas gdy stosunek cen wynosi 25%, MAI Code 2 musi zużywać więcej tokenów na zadanie niż GPT-6.1 Sol, według moich obliczeń na podstawie dwóch opublikowanych stosunków około 1,6 razy więcej. To jest wnioskowanie, a nie twierdzenie Microsoftu, a mieszane stawki wejścia/wyjścia sprawiają, że jest ono przybliżone.

Z tego wynikają dwie rzeczy. Po pierwsze, MAI Code 2 jest tańszy w przeliczeniu na ukończone zadanie, ale nie jest tańszy na token w sposób, jaki sugeruje nagłówek, więc każde obciążenie wyceniane na token, a nie na zadanie, odnotuje mniejszą oszczędność niż 60%. Po drugie, zachowanie pochłaniające dużo tokenów źle współgra z drabinką wysiłku rozumowania: oba modele udostępniają poziomy wysiłku, oba były testowane przy maksymalnym wysiłku, a zespół pracujący przy maksymalnym wysiłku po którejkolwiek stronie płaci za tokeny myślenia podwójnie. Przejście na niższe ustawienie wysiłku przy rutynowej pracy zwykle daje większą oszczędność niż zmiana modelu.

Dostęp: jedno to API, drugie to funkcja subskrypcji

GPT-6.1 Sol można wywoływać w API OpenAI za pomocą identyfikatora modelu; ma udokumentowaną politykę migawek, wiedzę aktualną do 30 kwietnia 2026 r. oraz obsługę narzędzi, ustrukturyzowanych danych wyjściowych, formatu odpowiedzi i parametru seed. Jest również dostępny w ChatGPT Work i Codex w planach Plus, Pro, Business, Enterprise i Edu.

MAI Code 2 to funkcja Copilot, a nie API. Dostęp uzyskujesz przez subskrypcję GitHub — od Pro po Enterprise — oraz za pomocą dowolnego klienta, którego już używasz, od VS Code po Xcode. Nie ma go w Microsoft Foundry; tylko MAI Code 2 Flash ma podgląd w Foundry, przez zgodny z OpenAI interfejs API Responses. Dla samego MAI Code 2 nie opublikowano punktu końcowego, nie ma daty jego udostępnienia ani dystrybucji wag na żadnej licencji.

Dla zespołu, którego kod znajduje się w GitHub, a deweloperzy już pracują w Copilot, to dobra odpowiedź i prawdopodobnie lepsza niż klucz API. Dla bota CI, wewnętrznego frameworka agentów, pipeline’u do przeglądu kodu lub czegokolwiek z własną orkiestracją GPT-6.1 Sol jest modelem, który można wywołać, a MAI Code 2 nie.

Po który sięgnąć

Programistyczna praca natywna dla Copilot, wrażliwa na koszty i o dużej skali — MAI Code 2 po $0.50 i $2.50 oraz MAI Code 2 Flash po $0.05 i $0.25 w warstwie rutynowej są znacznie tańszym rozwiązaniem.

• Integracja z aplikacją, agentem lub CI — GPT-6.1 Sol, ponieważ ma API. MAI Code 2 ma subskrypcję.

• Wszystko powyżej 272 000 tokenów na żądanie — poziom długich promptów GPT-6.1 Sol podwaja stawkę za dane wejściowe, co dodatkowo osłabia jego pozycję cenową; MAI Code 2 nie publikuje równoważnego poziomu, co stanowi lukę w dokumentacji, a nie obietnicę braku takiego poziomu.

• Pisanie kodu w języku innym niż angielski — karta modelu wyklucza to w momencie wydania MAI Code 2; OpenAI nie nakłada takiego ograniczenia na GPT-6.1 Sol

• Praca autonomiczna w długim horyzoncie — Microsoft wyraźnie stwierdza, że MAI Code 2 nie jest dostrojony do bardzo długohoryzontowej pracy agentowej i nie jest przeznaczony do działań o istotnych konsekwencjach bez nadzoru. Pozycjonowanie GPT-6.1 Sol jest szersze, choć jego własne wycofanie jest powodem, by zamiast tego spojrzeć na GPT-6.2 Sol.

Wycenianie porównania na podstawie jednego klucza

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 jest dostępny w OrcaRouter w cenie katalogowej dostawcy z 0% marży — 2,00 USD za wejście i 10,00 USD za wyjście za milion tokenów — podobnie jak Claude Opus 5.5 i Gemini 4 Carbon, wszystko pod jednym kluczem. GPT-6.2 Sol nie ma jeszcze w katalogu, więc kwestii następcy nie da się tu rozstrzygnąć; można natomiast rzetelnie wycenić wycofanie 6.1 Sol i obserwować rachunek za zadanie, zamiast zakładać, że nowszy model jest droższy. Nie jest — według Artificial Analysis 6.2 Sol kosztuje 1,01 USD za zadanie indeksowe wobec 1,27 USD w przypadku 6.1.

MAI Code 2 nie znajduje się w naszym katalogu; jedyną opublikowaną ścieżką jest GitHub Copilot. Jeśli Microsoft udostępni punkt końcowy Foundry dla dużego modelu, przydatnym pierwszym eksperymentem nie będzie przełączenie, lecz podział: MAI Code 2 w codziennym ruchu naprawczym, gdzie jego przewaga cenowa jest największa, sprawdzony model klasy frontier do refaktoryzacji i prac długoterminowych oraz automatyczne przełączanie awaryjne pod spodem, aby nieprzetestowany model nigdy nie stał się pojedynczym punktem awarii. Warto przetestować te 40%. Warto osobno przetestować te 98%, na własnych repozytoriach, zanim ktokolwiek zaplanuje w oparciu o to migrację.