Сгенерированная карточка сравнения, показывающая MAI Code 2 по цене $0.50 за входные и $2.50 за выходные данные за миллион токенов против Claude Opus 5.5 по цене $4.00 и $20.00, с пометкой, что заявленные показатели производительности 96 процентов и стоимости 5 процентов основаны на данных поставщика.
Guides & Insights

MAI Code 2 против Claude Opus 5.5: что умалчивает утверждение о 96% за 5%

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

В сравнении между MAI Code 2 и Claude Opus 5.5 есть одна цифра, которую все цитируют, но никто не может проверить. Microsoft утверждает, что MAI Code 2 достигает 96% производительности Opus 5.5 в четырёх бенчмарках по программированию при 5% стоимости. Opus 5.5 общедоступен с 22 сентября 2026 года, имеет опубликованный прайс-лист и занимает 59-е место в Artificial Analysis Intelligence Index. MAI Code 2 вышел 17 ноября 2026 года с собственным прайс-листом и вообще без независимой оценки — его можно вызвать внутри GitHub Copilot и больше нигде, а в Artificial Analysis на момент написания не было для него строки. Так что честное сравнение — это не два столбца цифр. Это одна модель, которую можно измерить, и одна модель, которую можно только принять на слово Microsoft, плюс разница в цене, достаточно большая, чтобы к этому слову стоило относиться серьёзно, пока кто-нибудь не проверит.

Две карточки тарифов, до применения каких-либо процентов

Microsoft тарифицирует MAI Code 2 за токен через GitHub Copilot в рамках оплаты по мере использования, по промо-тарифам, срок действия которых истекает в опубликованную дату. Anthropic тарифицирует Opus 5.5 за токен по прайс-листу, без срока действия.

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.

• Ввод — MAI Code 2 по $0.50 за миллион токенов против Claude Opus 5.5 по $4.00; Opus стоит в 8 раз дороже за входной токен

• Вывод — $2.50 против $20.00 за миллион; тот же разрыв в 8 раз

• Кэшированный ввод — $0.025 против $0.20 за миллион; снова 8×

• После 17 мая 2027 г. — MAI Code 2 переоценивается до $1.00 / $0.05 / $5.00, что сокращает разрыв до 4× по входу и 4× по выходу

• Контекст — Opus 5.5 опубликовал круглое значение 1 000 000; MAI Code 2 опубликовал 1 050 000, что на 5% больше окна и не делает модель полезнее без поиска, который выдерживает нагрузку на дальнем конце.

• Максимальный вывод — 128 000 токенов в обоих случаях

• Модальность ввода — Opus 5.5 принимает файлы наряду с текстом и изображениями; в карточке модели MAI Code 2 указаны только текст и изображения

• Доступность весов — вы не можете скачать ни одну из них, по разным причинам: Opus 5.5 является проприетарным, а MAI Code 2 продаётся только как хостинговый сервис

Именно в этой таблице две модели действительно сопоставимы, и она даёт соотношение цен 12,5%, а не 5%. Показатель 5% — это стоимость за задачу, то есть другое измерение: он делит общие расходы на число выполненных задач и потому учитывает, сколько токенов каждая модель сжигает при максимальном усилии рассуждения. Модель, которая рассуждает эффективнее или просто останавливается раньше, может показать 5%, хотя берёт 12,5% за токен. Карточка модели подтверждает, что все сравнения проводились при максимальном усилии — именно в этом режиме количество токенов расходится сильнее всего.

Из чего состоят эти 96% и кто это проводил

Четыре бенчмарка не дотягивают до 96%: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas и FrontierCode v1.1. Три из них — из MSBench, внутренней платформы оценки Microsoft; они запускались через GitHub Copilot CLI версии 1.0.102 с отключёнными субагентами. Четвёртый, FrontierCode, — это данные Artificial Analysis. В собственной карточке модели Microsoft приводит исходные показатели прохождения при максимальном уровне рассуждений: 73,2% на DeepSWE 1.1, 84,6% на TerminalBench 2.1 и 43,1% на SWE Atlas.

Прочитайте эти три числа без процентной рамки — и откроется другая картина. SWE Atlas — слабейший из трёх с показателем 43,1%, и при этом это тот бенчмарк в наборе, который не посвящён исправлению бага: он оценивает ответы на вопросы по кодовой базе, написание тестов и рефакторинг как по рубрике, так и с помощью программных проверок. Модель, настроенная на «изменения, которые мейнтейнеры согласились бы принять в код», может хорошо показывать себя в тестах на решение проблем и при этом оставаться посредственной в объяснении кодовой базы. Microsoft не публикует разбивку по отдельным бенчмаркам в сравнении с Opus 5.5, только среднее значение, поэтому невозможно увидеть, какой из четырёх обеспечивает эти 96%, а какой тянет результат вниз.

Собственные вендорские цифры Opus 5.5 указывают в сходном направлении, только с другой стороны. В материалах запуска Anthropic сообщалось: Terminal-Bench 4.0 — 66,4%, GDPval-AA v2.1 — 1 846 Elo. Они тоже заявлены вендором, тоже не воспроизведены на тестовом стенде Microsoft и относятся к совершенно другой версии бенчмарка — Terminal-Bench 4.0 против 2.1 у Microsoft. Когда два вендора приводят разные версии одного и того же семейства тестов, это не сравнение. Это два рекламных объявления, обращённых друг к другу.

Что на самом деле говорит независимый оценщик об Opus 5.5

Opus 5.5 — одна из немногих моделей в этой категории с полным набором результатов независимой оценки. Artificial Analysis присваивает ей 59 баллов в Intelligence Index v5.0.1 — композитном индексе из девяти оценок, охватывающем диапазон от Terminal-Bench 4.0 через FrontierCode-AA 2.0 до Terminal-Bench-Science 0.1. Ориентироваться стоит на сопутствующие показатели: $10.04 за задачу индекса, 24.5 минуты на задачу, 118 токенов в секунду вывода и 358 секунд до первого токена ответа.

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.

Два из этих чисел важнее итогового балла. 358 секунд до первого токена ответа — это то, что переживает пользователь, глядя на крутящийся индикатор, а 24,5 минуты на задачу — это реальное время, которого стоит длительный запуск агента. Opus 5.5 — не быстрая модель, а тщательная. Более дешёвому конкуренту не нужно достигать 96% её точности, чтобы выиграть рабочую нагрузку — достаточно быть хорошим в конкретной задаче и заметно быстрее или дешевле на предельных показателях. В этом весь аргумент в пользу модели соотношения цены и производительности, и Microsoft приводит его без независимых доказательств, которые могли бы окончательно решить вопрос.

Куда MAI Code 2 пока не может попасть

Вот что скрывает процент. MAI Code 2 поставляется в составе GitHub Copilot — на всех платных тарифах от Pro до Enterprise, во всех редакторах, куда расширяется GitHub. Это широкий набор поверхностей и инфраструктура одного вендора. На старте развёртывания крупной модели в Foundry нет; предварительная версия в Foundry есть только у MAI Code 2 Flash — через OpenAI-совместимый Responses API. Microsoft заявляет, что доступность будет расширяться, но не называет дату и не распространяет веса.

Opus 5.5, напротив, доступен в собственном API Anthropic и трёх крупных облаках — с идентификатором модели, опубликованным минимальным сроком вывода из эксплуатации и документированной политикой снимков. Если ваша работа происходит внутри Copilot, это сравнение уже актуально сегодня. Если она идёт в вашем собственном агентном фреймворке, CI-конвейере или мультивендорном стеке, одна сторона этого сравнения — пресс-релиз.

Распределение нагрузки, которое на самом деле всё решает

• Рутинное корпоративное исправление — исправления, готовые к слиянию, правки в нескольких файлах, глубокая отладка в известном репозитории — это именно та задача, для которой Microsoft создавала свой продукт и устанавливала цену. При 12,5% от сегодняшней ставки Opus за токен даже модель, которой нужна вторая попытка, чтобы достичь той же доли успешных прохождений, может оказаться дешевле в расчёте на завершённую задачу.

• Долгосрочная агентная работа — это та область, где, по словам Microsoft, модель не дообучена: об этом говорится и в анонсе, и повторно в карточке модели. Всё позиционирование Opus 5.5 строится именно на такой нагрузке, и показатель в 1 846 Elo на GDPval-AA — это число, которое Anthropic выбрала в качестве главного аргумента.

• Неанглоязычные кодовые базы — это не вывод, а строка в карточке модели: на момент выпуска создание кода поддерживается только на английском, а менее распространённые языки явно недостаточно оценены. В Opus 5.5 аналогичной оговорки нет.

• Любые действия, влекущие значимые последствия, без участия человека находятся вне области применения с обеих сторон, но Microsoft прямо заявляет это для MAI Code 2 и требует агентных рабочих процессов под надзором.

• Контекст свыше миллиона токенов на практике — это ничья. Оба заявляют примерно миллион; ни одному из этих чисел нельзя доверять как рабочему бюджету без проверки извлечения на дальнем конце.

Ведение обеих сторон бухгалтерской книги

Claude Opus 5.5 представлен в каталоге OrcaRouter по цене $4.00 за вход и $20.00 за выход за миллион токенов, цена из прайс-листа провайдера передаётся с наценкой 0%, поэтому изменение цены поставщиком отражается в вашем счёте в тот день, когда оно происходит, а не в день, когда реселлер обновляет таблицу. Это важнее, чем обычно, в таком сравнении, как это, потому что собственная цена MAI Code 2 удваивается 17 мая 2027 года — соотношение, которое вы оцениваете сегодня, не то соотношение, которое вы будете платить в июне.

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 отсутствует в нашем каталоге, и единственный опубликованный путь к нему — GitHub Copilot. Если Microsoft откроет эндпоинт Foundry для большой модели, разумный первый шаг — не миграция, а теневой прогон: оставить Opus 5.5 на том пути, который важен, направить дешёвую модель на задачи, для которых вы уже знаете ответ, и сравнивать стоимость завершённой задачи, а не цену токена. Именно для такого решения автоматическое переключение при сбое и существует — новая, непроверенная модель на небольшой доле трафика, а за ней — проверенная, если дешёвая сторона забуксует.

Вердикт, который выдерживает проверку доказательствами: Opus 5.5 — это модель, которую стоит оставить для работы, которую никто не хочет переделывать, а MAI Code 2 — модель, которую стоит тестировать на работе, выполняемой каждый день. Показатель Microsoft в 96% вполне может подтверждаться в собственной тестовой среде Copilot. Его не проверяли нигде, где можно было бы получить опровержение, и пока это не сделано, 5% — это заявление, а 12,5% — это прейскурант.

© 2026 OrcaRouter