Cartão de comparação gerado mostrando MAI Code 2 a US$ 0,50 de entrada e US$ 2,50 de saída por milhão de tokens contra Claude Opus 5.5 a US$ 4,00 e US$ 20,00, com a alegação de 96 por cento de desempenho e 5 por cento de custo rotulada como informada pelo fornecedor.
Guides & Insights

MAI Code 2 vs Claude Opus 5.5: O que a alegação de 96% por 5% deixa de fora

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

A comparação entre MAI Code 2 e Claude Opus 5.5 tem um número que todo mundo cita e ninguém consegue verificar. A Microsoft diz que o MAI Code 2 alcança 96% do desempenho do Opus 5.5 em quatro benchmarks de programação a 5% do custo. O Opus 5.5 está disponível para o público em geral desde 22 de setembro de 2026, tem uma tabela de preços publicada e ocupa a posição 59 no Índice de Inteligência da Artificial Analysis. O MAI Code 2 foi lançado em 17 de novembro de 2026 com uma tabela de preços própria e nenhuma pontuação independente — ele pode ser chamado dentro do GitHub Copilot e em nenhum outro lugar, e a Artificial Analysis não tinha uma linha para ele quando isto foi escrito. Portanto, a comparação honesta não é duas colunas de números. É um modelo que você pode medir e um modelo em que você só pode confiar na palavra da Microsoft, além de uma diferença de preço grande o suficiente para que essa palavra valha a pena ser levada a sério até que alguém o teste.

As duas tabelas de tarifas, antes de quaisquer percentagens

A Microsoft cobra o MAI Code 2 por token por meio do GitHub Copilot no modelo de cobrança baseado no uso, a taxas promocionais que expiram em uma data publicada. A Anthropic cobra o Opus 5.5 por token pelo preço de tabela, sem expiração.

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.

• Entrada — MAI Code 2 a US$ 0,50 por milhão de tokens vs. Claude Opus 5.5 a US$ 4,00; o Opus custa 8× mais por token de entrada

• Saída — US$ 2,50 vs US$ 20,00 por milhão; a mesma diferença de 8×

• Entrada em cache — $0,025 vs $0,20 por milhão; novamente 8×

• Depois de 17 de maio de 2027 — MAI Code 2 passa a custar $1,00 / $0,05 / $5,00, o que reduz a diferença para 4× na entrada e 4× na saída

• Contexto — Opus 5.5 publicou cerca de 1.000.000; MAI Code 2 publicou 1.050.000, o que representa 5% a mais de janela e não é nem um pouco mais útil sem recuperação que se sustente no extremo final

• Saída máxima — 128.000 tokens em ambos

• Modalidade de entrada — o Opus 5.5 aceita arquivos junto com texto e imagens; o cartão de modelo do MAI Code 2 lista apenas texto e imagens

• Disponibilidade de pesos — você não pode baixar nenhum dos dois, por motivos diferentes: o Opus 5.5 é proprietário, e o MAI Code 2 é vendido apenas como serviço hospedado

Essa tabela é onde os dois modelos são genuinamente comparáveis, e ela produz uma razão de preço de 12,5%, não de 5%. O número de 5% é uma métrica de custo por tarefa, que é uma medição diferente: ela divide o gasto total pelas tarefas concluídas, então absorve quantos tokens cada modelo consome no esforço máximo de raciocínio. Um modelo que raciocina com mais eficiência, ou simplesmente para mais cedo, pode chegar a 5% enquanto cobra 12,5% por token. O cartão do modelo confirma que todas as comparações foram executadas no esforço máximo, que é exatamente a configuração em que as contagens de tokens mais divergem.

Do que os 96% são feitos, e quem o administrou

Quatro benchmarks ficam abaixo dos 96%: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas e FrontierCode v1.1. Três deles vieram do MSBench, a plataforma interna de avaliação da Microsoft, executados por meio do GitHub Copilot CLI na versão 1.0.102 com subagentes desativados. O quarto, FrontierCode, são dados da Artificial Analysis. O model card da própria Microsoft fornece as taxas de aprovação brutas no esforço máximo de raciocínio: 73,2% no DeepSWE 1.1, 84,6% no TerminalBench 2.1 e 43,1% no SWE Atlas.

Leia esses três números sem o enquadramento de porcentagem e uma imagem diferente aparece. O SWE Atlas é o mais fraco dos três, com 43,1%, e também é o benchmark do conjunto que não se trata de corrigir um bug: ele avalia respostas a perguntas sobre a base de código, escrita de testes e refatoração tanto por rubrica quanto por verificações programáticas. Um modelo ajustado para "mudanças que os mantenedores de código aceitariam" pode se sair bem em testes de resolução de issues e ainda ser medíocre em explicar uma base de código. A Microsoft não publica a divisão por benchmark em relação ao Opus 5.5, apenas a média, então não há como ver qual dos quatro está sustentando os 96% e qual está puxando para baixo.

Os próprios números de fornecedor do Opus 5.5 apontam em uma direção semelhante pelo outro lado. O material de lançamento da Anthropic reportou Terminal-Bench 4.0 em 66,4% e GDPval-AA v2.1 em 1.846 Elo. Esses também são números reportados pelo fornecedor, também não reproduzidos pelo harness da Microsoft e em uma versão de benchmark totalmente diferente — Terminal-Bench 4.0 versus 2.1 da Microsoft. Dois fornecedores citando versões diferentes da mesma família de teste não é uma comparação. São dois anúncios frente a frente.

O que um avaliador independente realmente diz sobre o Opus 5.5

O Opus 5.5 é um dos poucos modelos desta faixa com um histórico completo de terceiros. A Artificial Analysis o coloca em 59 no Intelligence Index v5.0.1, um composto de nove avaliações que vai do Terminal-Bench 4.0 ao FrontierCode-AA 2.0 e ao Terminal-Bench-Science 0.1. Os números de apoio são os que devem orientar o planejamento: US$ 10,04 por tarefa do índice, 24,5 minutos por tarefa, 118 tokens por segundo de saída e 358 segundos até o primeiro token da resposta.

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.

Dois desses números importam mais do que a pontuação. Os 358 segundos até o primeiro token de resposta são o que um usuário encarando um indicador de carregamento vivencia, e os 24,5 minutos por tarefa são o tempo de relógio que uma longa execução de agente realmente custa. O Opus 5.5 não é um modelo rápido; é um modelo minucioso. Um concorrente mais barato não precisa igualar 96% da sua precisão para vencer uma carga de trabalho — ele só precisa ser bom o suficiente na tarefa específica, e consideravelmente mais rápido ou mais barato na margem. Esse é todo o argumento em favor de um modelo de preço-desempenho, e a Microsoft o está fazendo sem as evidências independentes que resolveriam a questão.

Onde o MAI Code 2 ainda não pode chegar

Esta é a parte que o percentual esconde. O MAI Code 2 vem dentro do GitHub Copilot, em todos os planos pagos, do Pro ao Enterprise, em todos os editores para os quais o GitHub se estende. Esse é um conjunto amplo de superfícies e a infraestrutura de um único fornecedor. Não há implantação no Foundry para o modelo grande no lançamento; apenas o MAI Code 2 Flash tem uma prévia no Foundry, por meio de uma API Responses compatível com OpenAI. A Microsoft diz que mais disponibilidade está por vir, não informa data e não distribui os pesos.

O Opus 5.5, em contrapartida, está na própria API da Anthropic e em três grandes nuvens, com um ID de modelo, um piso de descontinuação publicado e uma política de snapshots documentada. Se o seu trabalho acontece dentro do Copilot, a comparação já é realidade hoje. Se ele acontece no seu próprio framework de agentes, no seu pipeline de CI ou em uma pilha multivendor, um dos lados dessa comparação é um comunicado de imprensa.

A divisão da carga de trabalho que realmente decide isso

• Reparação empresarial de rotina — correções integráveis, edições em vários ficheiros, depuração profunda dentro de um repositório conhecido — é a tarefa para a qual a Microsoft construiu e definiu preços. A 12,5% da tarifa por token do Opus hoje, mesmo um modelo que precise de uma segunda tentativa para atingir a mesma taxa de aprovação pode ficar mais barato por tarefa concluída.

• O trabalho agêntico de longo horizonte é justamente onde a Microsoft diz que o modelo não foi ajustado, no anúncio e novamente na ficha do modelo. Todo o posicionamento do Opus 5.5 é voltado a essa carga de trabalho, e seu 1.846 Elo no GDPval-AA é o número que a Anthropic escolheu para liderar.

• Bases de código não inglesas — não se trata de uma inferência, mas de uma linha no cartão do modelo: produção de código apenas em inglês no lançamento, com idiomas menos comuns explicitamente subavaliados. O Opus 5.5 não traz ressalva equivalente.

• Qualquer coisa que tome uma ação com consequências relevantes sem um humano no circuito está fora do escopo de ambos os lados, mas a Microsoft afirma isso explicitamente para o MAI Code 2 e pede fluxos de trabalho agênticos supervisionados.

• Contexto acima de um milhão de tokens é um empate na prática. Ambos alegam cerca de um milhão; nenhum dos números deve ser considerado confiável como orçamento de trabalho sem testar a recuperação na extremidade distante.

Gerenciando os dois lados do livro razão

O Claude Opus 5.5 está no catálogo da OrcaRouter a US$ 4,00 de entrada e US$ 20,00 de saída por milhão de tokens, preço de tabela do provedor repassado com 0% de margem, então uma mudança de preço do fornecedor chega à sua fatura no dia em que acontece, e não no dia em que um revendedor atualiza uma planilha. Isso importa mais do que o habitual em uma comparação como esta, porque o preço do próprio MAI Code 2 dobra em 17 de maio de 2027 — a proporção que você está avaliando hoje não é a proporção que você pagará em junho.

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.

O MAI Code 2 não está no nosso catálogo, e a única rota publicada para ele é o GitHub Copilot. Se a Microsoft abrir um endpoint do Foundry para o modelo grande, o primeiro passo sensato não é uma migração, mas uma execução sombra: mantenha o Opus 5.5 no caminho que importa, direcione o modelo barato para as tarefas cujas respostas você já conhece e compare o custo por tarefa concluída em vez do preço por token. É esse o tipo de decisão para o qual o failover automático existe — um modelo novo e não comprovado em uma fração do tráfego, com um modelo comprovado por trás caso o lado barato trave.

O veredito que resiste às evidências: o Opus 5.5 é o modelo a manter para o trabalho que ninguém quer refazer, e o MAI Code 2 é o modelo a testar no trabalho que roda todos os dias. Os 96% da Microsoft podem muito bem se sustentar no próprio harness do Copilot. Isso não foi testado em nenhum lugar que pudesse contradizê-lo e, até que seja, os 5% são uma alegação e os 12,5% são uma tabela de preços.