
MAI Code 2 vs GPT-6.1 Sol: Microsoft ทดสอบเทียบกับโมเดลที่เลิกใช้แล้ว
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 138 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 176 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 187 tok/s
บรรทัดที่ถูกยกมาอ้างมากที่สุดในการประกาศของ Microsoft ที่งาน Ignite คือMAI Code 2มอบประสิทธิภาพด้านการเขียนโค้ดได้ 98% ของGPT-6.1 Solในต้นทุนเพียง 40% นี่เป็นถ้อยคำที่ดี และมันยังกล่าวถึงโมเดลที่ Artificial Analysis ได้ทำเครื่องหมายว่าล้าสมัยแล้ว ถูกแทนที่ภายในสายผลิตภัณฑ์ของ OpenAI เองด้วย GPT-6.2 Sol และนั่นคือรายละเอียดที่ทำให้การเปรียบเทียบทั้งหมดต้องถูกตีความใหม่ นั่นคือ Microsoft เป็นผู้เลือกจุดอ้างอิง และจุดอ้างอิงนั้นไม่ใช่สิ่งที่ต้องเอาชนะอีกต่อไป MAI Code 2 เปิดตัวเมื่อวันที่ 17 พฤศจิกายน 2026 ด้วยอัตราโปรโมชัน 0.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 2.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต GPT-6.1 Sol มีราคา 2.00 และ 10.00 ดอลลาร์ และได้ 55 คะแนนบนดัชนีอิสระ ไม่มีข้อเท็จจริงข้อใดในสองข้อนี้ทำให้คำกล่าวอ้าง 98% เป็นเท็จ สิ่งเหล่านี้ทำให้มันเป็นการเปรียบเทียบกับโมเดลที่กำลังจะถูกเลิกใช้ ซึ่งแตกต่างจากการเปรียบเทียบกับโมเดลระดับแนวหน้า
ใบอัตราค่าบริการและประกาศเลิกใช้งาน
• ราคาต่อหนึ่งล้านโทเค็น — GPT-6.1 Sol คิดค่าบริการ $2.00 ขาเข้า และ $10.00 ขาออก โดยไม่มีวันหมดอายุ; MAI Code 2 คิดค่าบริการ $0.50 และ $2.50 จนถึง 17 พฤษภาคม 2027 จากนั้นเป็น $1.00 และ $5.00
• อินพุตที่แคชไว้ — $0.10 เทียบกับ $0.025 ช่องว่าง 4 เท่าที่ยังคงอยู่แม้จะมีการเปลี่ยนแปลงราคาทั้งสองครั้ง
• พรอมต์ยาว — ไม่มีระดับราคาที่ประกาศไว้สำหรับ MAI Code 2; GPT-6.1 Sol คิดราคาทุกส่วนที่เกิน 272,000 โทเค็นอินพุตใหม่ที่อัตราอินพุต 2 เท่าและเอาต์พุต 1.5 เท่า ดังนั้นคำขอขนาด 300K โทเค็นจึงมีต้นทุนต่อโทเค็นสูงกว่าที่อัตราหลักดูเหมือนจะบ่งชี้
• บริบท — 1,050,000 โทเค็นบนทั้งสองรุ่น โดยมีเอาต์พุตสูงสุด 128,000 โทเค็นบนทั้งสองรุ่น
• รูปแบบอินพุต — GPT-6.1 Sol อ่านไฟล์ได้เช่นเดียวกับข้อความและรูปภาพ; การ์ดโมเดลของ MAI Code 2 ระบุว่าข้อความและรูปภาพ และหยุดอยู่แค่นั้น
• สถานะวงจรชีวิต — MAI Code 2 ใหม่เอี่ยม; GPT-6.1 Sol ถูกระบุว่าล้าสมัยโดย Artificial Analysis ซึ่งปัจจุบันวัดประสิทธิภาพทุก 18 ชั่วโมงแทนที่จะเป็นทุก 6 ชั่วโมง
ประโยคสุดท้ายนั้นคือสิ่งที่ผู้ซื้อควรให้ความสำคัญมากที่สุด โมเดลที่ถูกประกาศเลิกสนับสนุน (deprecated) ไม่ได้หมายความว่าหยุดให้บริการไปแล้ว — ยังคงตอบสนองได้และยังคงเรียกเก็บเงินตามราคาปกติ — แต่รอบความถี่ในการประเมินผลของโมเดลนั้นช้าลง และผู้จำหน่ายได้ก้าวต่อไปแล้ว การสร้างแบบจำลองต้นทุนโดยอิงกับโมเดลที่อยู่ในสถานะเช่นนี้ ย่อมหมายถึงการสร้างมันขึ้นจากตัวเลขที่จะไม่ถูกอัปเดตอีก
98% วัดจากอะไร และทำไมจุดอ้างอิงจึงสำคัญ

ถอดกรอบออกแล้ว 98% คือค่าเฉลี่ยของอัตราผ่านสี่รายการ ซึ่งสามรายการ Microsoft สร้างขึ้นเอง DeepSWE 1.1, Terminal Bench 2.1 และ SWE Atlas ผ่าน MSBench ซึ่งเป็นแพลตฟอร์มภายในของ Microsoft ผ่าน GitHub Copilot CLI ที่เวอร์ชัน 1.0.102 ปิด subagents และทุกโมเดลใช้ความพยายามสูงสุด คะแนนและต้นทุนของ FrontierCode มาจาก Artificial Analysis สิ่งที่ Microsoft ไม่ได้เผยแพร่คือการแยกสัดส่วน: การ์ดให้ตัวเลขของ MAI Code 2 เอง — 73.2%, 84.6%, 43.1% — และค่าเฉลี่ยหนึ่งค่าที่เทียบกับ GPT-6.1 Sol โดยไม่มีบรรทัดใดแสดงว่า benchmark ใดเป็นตัวพยุงค่าเฉลี่ยและ benchmark ใดเป็นตัวฉุดลง
ค่าเฉลี่ยปิดบังรูปร่างของผลลัพธ์ และรูปร่างนั้นสำคัญ SWE Atlas ที่ 43.1% เป็นตัวเลขสาธารณะที่อ่อนที่สุดในสามตัว และยังเป็นตัวที่ทดสอบการตอบคำถามเกี่ยวกับฐานโค้ด การเขียนเทสต์ และการรีแฟกเตอร์ มากกว่าการแก้ไข issue FrontierCode ซึ่งเป็นองค์ประกอบเดียวที่มาจากแหล่งข้อมูลอิสระ เป็นหนึ่งในสี่ โมเดลที่ทำได้ทัดเทียมบน benchmark การแก้บั๊กและตามหลังในการรีแฟกเตอร์อาจเฉลี่ยได้ถึง 98% และยังคงเป็นเครื่องมือที่ไม่เหมาะสมสำหรับการรีแฟกเตอร์
พาดหัวข่าวอีกชิ้นของ Microsoft คือการศึกษาด้านความชอบมากกว่าอัตราการผ่าน: ในการประเมินแบบปิดชื่อเทียบเคียงกันของงานฟรอนต์เอนด์ในหลากหลายอินเทอร์เฟซ เกม การแสดงข้อมูลภาพ ฉาก 3D และกราฟิก SVG ผู้ประเมิน 258 คนชอบเอาต์พุตของ MAI Code 2 มากกว่าของ GPT-6 Sol คิดเป็น 64% ของกรณี สังเกตชื่อโมเดลที่ระบุไว้ตรงนั้น — GPT-6 Sol ไม่ใช่ 6.1 — และสังเกตว่าความชอบต่อรูปลักษณ์ของ UI ที่สร้างขึ้นไม่ใช่ตัวชี้วัดว่ามันใช้งานได้จริงหรือไม่
สิ่งที่บันทึกอิสระกล่าวเกี่ยวกับ {{1}}GPT-6.1 Sol{{/1}}
GPT-6.1 Sol มีสิ่งที่ MAI Code 2 ไม่มี: โปรไฟล์จากบุคคลที่สาม Artificial Analysis ให้คะแนน 55 บน Intelligence Index v5.0.1 ซึ่งเป็นคอมโพสิตจากการประเมินเก้ารายการชุดเดียวกับที่ทุกคนอื่นในกลุ่มนี้ใช้ในการวัด และบันทึกไว้ที่ $1.27 ต่องานดัชนี 23.3 นาทีต่องาน 145 วินาทีถึงโทเคนแรกของคำตอบ และ 49 โทเคนต่อวินาทีของเอาต์พุต

ภายในกลุ่มผลิตภัณฑ์ของ OpenAI เอง สถานการณ์ได้เปลี่ยนไปแล้ว GPT-6.2 Sol ทำคะแนนได้ 57 ที่ราคา $1.01 ต่องาน ดังนั้นโมเดลที่ Microsoft ใช้เป็นมาตรฐานเปรียบเทียบจึงถูกทั้งเอาชนะและตัดราคาโดยรุ่นสืบทอดของตัวเอง นั่นไม่ใช่ข้อโต้แย้งต่อ MAI Code 2 — การที่โมเดลที่ถูกกว่าเอาชนะโมเดลที่เก่าและแพงกว่าเป็นสิ่งที่การเปิดตัวที่เน้นราคาเทียบประสิทธิภาพควรทำอยู่แล้ว แต่เป็นข้อโต้แย้งต่อการมองว่า 98% เป็นคำอธิบายของ frontier ปัจจุบัน การนำเสนออย่างซื่อตรงคือ Microsoft ทำได้เทียบเท่าโมเดลที่แข็งแกร่งจากรุ่นก่อนหน้าในราคา 40% ของราคาโมเดลนั้น และยังไม่ได้แสดงให้เห็นว่ามันทำได้แค่ไหนเมื่อเทียบกับรุ่นที่วางจำหน่ายอยู่ตอนนี้
ตำแหน่งที่โทเค็นไปอยู่ คือจุดที่ความแตกต่างที่แท้จริงอยู่
ตัวเลข 40% ของ Microsoft เป็นตัวเลขต้นทุนต่องาน ไม่ใช่อัตราส่วนราคา อัตราส่วนราคาอยู่ที่ 25% — $0.50 เทียบกับ $2.00 สำหรับอินพุต, $2.50 เทียบกับ $10.00 สำหรับเอาต์พุต การที่อัตราส่วนต้นทุนจะอยู่ที่ 40% ขณะที่อัตราส่วนราคาอยู่ที่ 25% นั้น MAI Code 2 ต้องใช้โทเคนต่องานมากกว่าที่ GPT-6.1 Sol ใช้ โดยจากการคำนวณของผมจากอัตราส่วนที่เผยแพร่ทั้งสองจำนวน น่าจะประมาณ 1.6 เท่า นั่นเป็นการอนุมาน ไม่ใช่ข้อกล่าวอ้างของ Microsoft และอัตราอินพุต/เอาต์พุตแบบผสมทำให้เป็นเพียงค่าประมาณ
มีสองประเด็นตามมา ประเด็นแรก MAI Code 2 มีต้นทุนต่องานที่เสร็จสมบูรณ์ต่ำกว่า แต่ไม่ได้ถูกกว่าต่อโทเคนในแบบที่พาดหัวสื่อ ดังนั้นงานใดก็ตามที่คิดราคาต่อโทเคนแทนที่จะคิดต่องานจะประหยัดได้น้อยกว่า 60% ประเด็นที่สอง พฤติกรรมที่กินโทเคนมากทำงานร่วมกับระดับความพยายามในการให้เหตุผลได้ไม่ดีนัก โมเดลทั้งสองเปิดให้ปรับระดับความพยายาม ทั้งคู่ถูกทดสอบประสิทธิภาพที่ระดับความพยายามสูงสุด และทีมที่ใช้งานที่ความพยายามสูงสุดไม่ว่าจะฝั่งใดก็กำลังจ่ายค่าโทเคนสำหรับการคิดซ้ำสอง การลดไปใช้ระดับความพยายามที่ต่ำลงกับงานประจำมักประหยัดได้มากกว่าการสลับโมเดล
การเข้าถึง: อันหนึ่งเป็น API ส่วนอีกอันเป็นฟีเจอร์แบบสมัครสมาชิก
GPT-6.1 Sol สามารถเรียกใช้ผ่าน API ของ OpenAI ได้ด้วย model ID มีนโยบาย snapshot ที่เผยแพร่เป็นเอกสาร ข้อมูลความรู้ถึงวันที่ 30 เมษายน 2026 และรองรับ tools, structured outputs, response format และ seed นอกจากนี้ยังมีให้ใช้ใน ChatGPT Work และ Codex บนแพ็กเกจ Plus, Pro, Business, Enterprise และ Edu
MAI Code 2 เป็นฟีเจอร์ของ Copilot ไม่ใช่ API คุณเข้าถึงได้ผ่านการสมัครสมาชิก GitHub — ตั้งแต่ Pro ถึง Enterprise — และผ่านไคลเอนต์ที่คุณใช้อยู่แล้ว ไม่ว่าจะเป็น VS Code ถึง Xcode โดยไม่มีใน Microsoft Foundry มีเพียง MAI Code 2 Flash ที่มีพรีวิวใน Foundry ผ่าน Responses API ที่เข้ากันได้กับ OpenAI ยังไม่มี endpoint ที่เผยแพร่สำหรับ MAI Code 2 เอง ไม่มีกำหนดวันที่สำหรับสิ่งดังกล่าว และไม่มีการแจกจ่ายน้ำหนักโมเดลภายใต้สัญญาอนุญาตใด ๆ
สำหรับทีมที่โค้ดอยู่บน GitHub และนักพัฒนาทำงานใน Copilot อยู่แล้ว นั่นถือเป็นคำตอบที่ดี และอาจกล่าวได้ว่าดีกว่าการใช้ API key ด้วยซ้ำ สำหรับบอต CI, เฟรมเวิร์กเอเจนต์ภายใน, ไปป์ไลน์ตรวจสอบโค้ด หรือสิ่งใดก็ตามที่มี orchestration ของตัวเอง GPT-6.1 Sol เป็นโมเดลที่คุณเรียกใช้ได้ ส่วน MAI Code 2 ไม่ใช่
ควรเลือกอันไหนดี
งานของนักพัฒนาที่เป็น Copilot-native ซึ่งคำนึงถึงต้นทุนและมีปริมาณสูง — MAI Code 2 ในราคา $0.50 และ $2.50 และ MAI Code 2 Flash ในราคา $0.05 และ $0.25 สำหรับระดับงานประจำ คือคำตอบที่ถูกกว่าอย่างมาก
• การผสานรวมแอปพลิเคชัน เอเจนต์ หรือ CI — GPT-6.1 Sol เนื่องจากมี API ส่วน MAI Code 2 มีการสมัครสมาชิก
• อะไรก็ตามที่เกิน 272,000 โทเค็นต่อคำขอ — ระดับพรอมป์ยาวของ GPT-6.1 Sol ทำให้อัตราอินพุตเป็นสองเท่า ซึ่งยิ่งกัดกร่อนจุดยืนด้านราคาของมันลงไปอีก; MAI Code 2 ไม่ได้เผยแพร่ระดับที่เทียบเท่ากัน ซึ่งเป็นช่องว่างในเอกสาร มากกว่าจะเป็นคำมั่นว่าไม่มีระดับดังกล่าว
• การเขียนโค้ดด้วยภาษาที่ไม่ใช่อังกฤษ — การ์ดโมเดลระบุว่าเป็นไปไม่ได้ ณ ตอนเปิดตัวสำหรับ {{1}}MAI Code 2{{/1}}; OpenAI ไม่มีข้อจำกัดดังกล่าวกับ {{2}}GPT-6.1 Sol{{/2}}
• งานอัตโนมัติระยะยาว — Microsoft ระบุชัดเจนว่า MAI Code 2 ไม่ได้ปรับแต่งมาสำหรับงานเอเจนต์ระยะยาวมาก และไม่ได้มีไว้สำหรับการดำเนินการที่มีผลกระทบโดยไม่มีผู้ดูแล การวางตำแหน่งของ GPT-6.1 Sol นั้นกว้างกว่า แม้ว่าการเลิกใช้งานของมันเองจะเป็นเหตุผลให้พิจารณา GPT-6.2 Sol แทน
กำหนดราคาการเปรียบเทียบโดยอิงจากปัจจัยสำคัญเพียงหนึ่งข้อ

GPT-6.1 Sol อยู่บน OrcaRouter ในราคาตามรายการของผู้ให้บริการ โดยบวกเพิ่ม 0% — อินพุต $2.00 และเอาต์พุต $10.00 ต่อล้านโทเค็น — และเช่นเดียวกันกับ Claude Opus 5.5 และ Gemini 4 Carbon ทั้งหมดอยู่ภายใต้คีย์เดียวGPT-6.2 Sol ยังไม่อยู่ในแคตตาล็อก ดังนั้นจึงไม่อาจสรุปคำถามเกี่ยวกับรุ่นสืบทอดได้ที่นี่; สิ่งที่ทำได้คือประเมินค่าใช้จ่ายจากการเลิกใช้ 6.1 Sol อย่างตรงไปตรงมา และคอยดูค่าใช้จ่ายต่องาน แทนที่จะสันนิษฐานว่ารุ่นใหม่กว่าจะมีค่าใช้จ่ายสูงกว่า ซึ่งไม่จริง — บน Artificial Analysis 6.2 Sol มีค่าใช้จ่าย $1.01 ต่องาน index เทียบกับ $1.27 ของ 6.1
MAI Code 2 ไม่ได้อยู่ในแคตตาล็อกของเรา เส้นทางเดียวที่เผยแพร่คือ GitHub Copilot หาก Microsoft เปิด endpoint ของ Foundry สำหรับโมเดลขนาดใหญ่ การทดลองแรกที่มีประโยชน์ไม่ใช่การสลับเปลี่ยนทั้งหมด แต่เป็นการแบ่งงานกัน: ใช้ MAI Code 2 กับงานซ่อมแซมประจำวันที่ข้อได้เปรียบด้านราคาชัดที่สุด ใช้โมเดล frontier ที่ผ่านการวัดผลแล้วกับงาน refactor และงานระยะยาว และมีระบบ failover อัตโนมัติรองรับอยู่เบื้องล่างเพื่อไม่ให้โมเดลที่ยังไม่ได้พิสูจน์กลายเป็นจุดล้มเหลวเพียงจุดเดียว ตัวเลข 40% นั้นคุ้มค่าที่จะทดสอบ ส่วน 98% ก็คุ้มค่าที่จะทดสอบแยกต่างหาก บน repository ของคุณเอง ก่อนที่ใครจะวางแผนย้ายระบบโดยอิงจากตัวเลขนั้น
