
MAI Code 2 vs GPT-6.1 Sol: Microsoft benchmarkade sig mot en utfasad modell
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 138 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 176 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 187 tok/s
Den mest citerade raden i Microsofts Ignite-tillkännagivande är att MAI Code 2 levererar 98 % av GPT-6.1 Sols kodningsprestanda till 40 % av kostnaden. Det är en bra rad. Den namnger också en modell som Artificial Analysis redan har markerat som föråldrad, ersatt inom OpenAIs egen linje av GPT-6.2 Sol, och det är detaljen som förändrar ramen för hela jämförelsen: Microsoft valde referenspunkten, och referenspunkten är inte längre den man måste slå. MAI Code 2 släpptes den 17 november 2026 med ett kampanjpris på 0,50 USD per miljon indatatoken och 2,50 USD per miljon utdatatoken. GPT-6.1 Sol kostar 2,00 USD och 10,00 USD och får 55 på det oberoende indexet. Dessa fakta gör inte påståendet om 98 % falskt. De gör det till en jämförelse mot en modell som är på väg ut, vilket är en annan sak än en jämförelse mot frontlinjen.
Prislistorna och avvecklingsmeddelandet
Pris per miljon token — GPT-6.1 Sol kostar $2,00 för indata och $10,00 för utdata utan utgångsdatum; MAI Code 2 kostar $0,50 och $2,50 till 17 maj 2027, sedan $1,00 och $5,00
Cachad inmatning – $0,10 mot $0,025, en 4× skillnad som överlever båda prisändringarna
• Långa prompter – ingen publicerad nivå för MAI Code 2; GPT-6.1 Sol prissätter allt över 272 000 indatatoken till 2× indata och 1,5× utdata, så en begäran på 300 000 token kostar mer per token än vad dess annonserade pris antyder
• Kontext — 1 050 000 tokens på båda, med 128 000 maximal utdata på båda
• Indatamodalitet — GPT-6.1 Sol läser filer såväl som text och bilder; MAI Code 2:s modellkort hävdar text och bilder och stannar där
• Livscykelstatus — MAI Code 2 helt ny; GPT-6.1 Sol markerad som föråldrad av Artificial Analysis, som nu benchmarkar den var 18:e timme i stället för var 6:e timme
Den sista raden är den som en köpare bör väga tyngst. En föråldrad modell är inte avvecklad – den svarar fortfarande och fakturerar fortfarande enligt listpris – men dess utvärderingstakt har saktat ned och leverantören har gått vidare. Att bygga en kostnadsmodell kring en modell i det läget innebär att bygga den kring en siffra som inte kommer att uppdateras.
Vad 98 % mäts mot, och varför referenspunkten spelar roll

Tar man bort inramningen är 98 % ett genomsnitt av fyra godkännandefrekvenser, varav Microsoft själva genererade tre. DeepSWE 1.1, Terminal Bench 2.1 och SWE Atlas kördes genom MSBench, Microsofts interna plattform, via GitHub Copilot CLI i version 1.0.102, med subagenter avstängda och varje modell på maximal ansträngning. FrontierCodes poäng och kostnader kom från Artificial Analysis. Det Microsoft inte publicerar är uppdelningen: kortet anger MAI Code 2:s egna siffror – 73,2 %, 84,6 %, 43,1 % – och ett genomsnitt mot GPT-6.1 Sol, utan någon rad som visar vilket benchmark som höll uppe genomsnittet och vilket som drog ned det.
Ett genomsnitt döljer formen på ett resultat, och formen spelar roll. SWE Atlas, på 43,1 %, är den svagaste av de tre offentliga siffrorna, och det är också den som testar frågor och svar om kodbasen, testskrivning och refaktorering snarare än ärendelösning. FrontierCode, den enda komponenten från en oberoende källa, är en av fyra. En modell som ligger på samma nivå i buggfixningsbenchmarks och ligger efter i refaktorering kan få ett genomsnitt på 98 % och ändå vara fel verktyg för en refaktorering.
Microsofts andra huvudnyhet är en preferensstudie snarare än en godkännandegrad: i blind sida-vid-sida-utvärdering av frontend-arbete över gränssnitt, spel, datavisualiseringar, 3D-scener och SVG-grafik föredrog 258 annotatörer MAI Code 2:s utdata framför GPT-6 Sols i 64 % av fallen. Notera modellen som nämns där – GPT-6 Sol, inte 6.1 – och notera att en preferens för hur genererat gränssnitt ser ut inte är ett mått på om det fungerar.
Vad den oberoende dokumentationen säger om GPT-6.1 Sol
GPT-6.1 Sol har något som MAI Code 2 inte har: en tredjepartsprofil. Artificial Analysis ger den 55 poäng på Intelligence Index v5.0.1, samma sammansatta mått av nio utvärderingar som alla andra i den här klassen mäts med, och redovisar $1.27 per indextask, 23,3 minuter per uppgift, 145 sekunder till första svarstoken och 49 token per sekund i utdata.

Inom OpenAIs egen produktlinje har bilden förändrats. GPT-6.2 Sol får 57 poäng till 1,01 dollar per uppgift, så modellen som Microsoft benchmarkade mot har både besegrats och underskridits i pris av sin egen efterträdare. Det är inte ett argument mot MAI Code 2 – att en billigare modell slår en äldre och dyrare är precis vad en pris/prestanda-lansering ska göra. Det är ett argument mot att behandla 98 % som en beskrivning av den nuvarande frontlinjen. Den ärliga formuleringen är att Microsoft matchade en stark modell från föregående generation till 40 % av dess pris, och ännu inte har visat hur den presterar mot den som levereras nu.
Vart tokens tar vägen, vilket är där den verkliga skillnaden ligger
Microsofts 40 % är en siffra för kostnad per uppgift, inte ett prisförhållande. Prisförhållandet är 25 % – 0,50 USD mot 2,00 USD för indata, 2,50 USD mot 10,00 USD för utdata. För att kostnadsförhållandet ska ligga på 40 % medan prisförhållandet ligger på 25 % måste MAI Code 2 spendera fler tokens per uppgift än GPT-6.1 Sol gör, ungefär 1,6 gånger så många enligt min beräkning utifrån de två publicerade förhållandena. Det är en slutledning, inte ett påstående från Microsoft, och blandade indata-/utdatapriser gör den ungefärlig.
Två saker följer. För det första är MAI Code 2 billigare per slutförd uppgift men inte billigare per token på det sätt rubriken antyder, så varje arbetsbelastning som prissätts per token i stället för per uppgift kommer att se en mindre besparing än 60 %. För det andra interagerar tokenhungrigt beteende dåligt med resonemangsansträngningsstegen: båda modellerna exponerar ansträngningsnivåer, båda benchmarkades vid maximal ansträngning, och ett team som kör på max ansträngning på endera sidan betalar för tanketokens två gånger om. Att sänka till en lägre ansträngningsinställning för rutinarbete är vanligtvis en större besparing än att byta modell.
Åtkomst: den ena är ett API, den andra är en prenumerationsfunktion
GPT-6.1 Sol går att anropa via OpenAI:s API med ett modell-ID, en dokumenterad snapshotpolicy, en kunskapsgräns den 30 april 2026 samt stöd för verktyg, strukturerade utdata, svarsformat och seed. Den finns även i ChatGPT Work och Codex på abonnemangen Plus, Pro, Business, Enterprise och Edu.
MAI Code 2 är en Copilot-funktion, inte ett API. Du når den via en GitHub-prenumeration – från Pro till Enterprise – och vilken klient du än redan använder, från VS Code till Xcode. Den finns inte i Microsoft Foundry; endast MAI Code 2 Flash har en Foundry-förhandsversion, via ett OpenAI-kompatibelt Responses API. Det finns ingen publicerad endpoint för själva MAI Code 2, inget datum för en sådan och ingen distribution av vikter under någon licens.
För ett team vars kod finns på GitHub och vars utvecklare redan arbetar i Copilot är det ett bra svar och möjligen ett bättre än en API-nyckel. För en CI-bot, ett internt agentramverk, en kodgranskningspipeline eller något med sin egen orkestrering är GPT-6.1 Sol en modell som du kan anropa, och MAI Code 2 är det inte.
Vilken att välja
• Copilot-nativt utvecklararbete, kostnadskänsligt, hög volym — MAI Code 2 till $0.50 och $2.50, och MAI Code 2 Flash till $0.05 och $0.25 för rutinnivån, är det billigare svaret med bred marginal.
• Applikation, agent eller CI-integrering — GPT-6.1 Sol, eftersom det har ett API. MAI Code 2 har en prenumeration.
• Allt över 272 000 token per begäran – GPT-6.1 Sols långpromptnivå fördubblar indatapriset, vilket urholkar dess prisläge ytterligare; MAI Code 2 publicerar ingen motsvarande nivå, vilket är en lucka i dokumentationen snarare än ett löfte om att ingen nivå finns.
• Att skriva kod på något annat språk än engelska – modellkortet utesluter det vid lanseringen av MAI Code 2; OpenAI fäster ingen sådan begränsning vid GPT-6.1 Sol
• Långsiktigt autonomt arbete – Microsoft säger uttryckligen att MAI Code 2 inte är justerad för mycket långsiktigt agentiskt arbete och inte är avsedd för konsekvensrika åtgärder utan övervakning. GPT-6.1 Sol:s positionering är bredare, men dess egen utfasning är ett skäl att i stället titta på GPT-6.2 Sol.
Prissättning av jämförelsen utifrån en nyckel

GPT-6.1 Sol finns på OrcaRouter till leverantörens listpris med 0 % påslag – 2,00 USD för indata och 10,00 USD för utdata per miljon tokens – och detsamma gäller Claude Opus 5.5 och Gemini 4 Carbon, alla bakom en enda nyckel. GPT-6.2 Sol finns ännu inte i katalogen, så frågan om efterträdaren kan inte avgöras här; det som kan göras är att prissätta avvecklingen av 6.1 Sol ärligt och bevaka kostnaden per uppgift i stället för att anta att den nyare modellen är den dyrare. Det är den inte – enligt Artificial Analysis kostar 6.2 Sol 1,01 USD per indexuppgift mot 6.1:s 1,27 USD.
MAI Code 2 finns inte i vår katalog; den enda publicerade vägen är GitHub Copilot. Om Microsoft öppnar en Foundry-endpoint för den stora modellen är det användbara första experimentet inte ett byte utan en uppdelning: MAI Code 2 för den vardagliga reparationstrafiken där dess prisfördel är störst, en utvärderad frontier-modell för refaktoreringar och arbete med lång horisont, och automatisk failover under så att en obeprövad modell aldrig blir en enda felpunkt. 40-procentstalet är värt att testa. 98-procentstalet är värt att testa separat, i dina egna repositorier, innan någon planerar en migrering utifrån det.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
