
MAI Code 2 so với Claude Opus 5.5: Tuyên bố 96% đổi lấy 5% đã bỏ sót điều gì
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 187 tok/s
Sự so sánh giữa MAI Code 2 và Claude Opus 5.5 có một con số mà ai cũng trích dẫn và không ai có thể kiểm chứng. Microsoft nói MAI Code 2 đạt 96% hiệu năng của Opus 5.5 trên bốn bài đánh giá lập trình với 5% chi phí. Opus 5.5 đã được cung cấp rộng rãi kể từ ngày 22 tháng 9 năm 2026, có bảng giá công bố và đạt 59 trên Chỉ số Trí tuệ của Artificial Analysis. MAI Code 2 đã phát hành vào ngày 17 tháng 11 năm 2026 với bảng giá riêng và hoàn toàn không có điểm số độc lập — nó chỉ có thể được gọi bên trong GitHub Copilot và không ở đâu khác, và Artificial Analysis không có dòng nào cho nó vào thời điểm bài viết này được viết. Vì vậy, so sánh trung thực không phải là hai cột số liệu. Đó là một mô hình bạn có thể đo lường và một mô hình bạn chỉ có thể tin vào lời Microsoft, cộng thêm mức chênh lệch giá đủ lớn để lời nói đó đáng được xem trọng cho đến khi có người kiểm chứng nó.
Hai bảng giá, trước bất kỳ tỷ lệ phần trăm nào
Microsoft tính phí MAI Code 2 theo token thông qua GitHub Copilot theo hình thức tính phí dựa trên mức sử dụng, với mức giá khuyến mại hết hạn vào một ngày đã được công bố. Anthropic tính phí Opus 5.5 theo token ở mức giá niêm yết, không có thời hạn hết hiệu lực.

• Đầu vào — MAI Code 2 với $0.50 mỗi triệu token so với Claude Opus 5.5 với $4.00; Opus tốn chi phí cao gấp 8 lần cho mỗi token đầu vào
• Đầu ra — $2.50 so với $20.00 mỗi triệu; vẫn là mức chênh lệch 8× như cũ
• Đầu vào được lưu trong bộ nhớ đệm — $0,025 so với $0,20 mỗi triệu; lại là 8×
Sau ngày 17 tháng 5 năm 2027 — MAI Code 2 điều chỉnh giá thành $1.00 / $0.05 / $5.00, thu hẹp khoảng cách xuống còn 4× đầu vào và 4× đầu ra
• Bối cảnh — Opus 5.5 công bố cửa sổ tròn 1.000.000; MAI Code 2 công bố 1.050.000, tức nhiều hơn 5% cửa sổ và không hữu ích hơn nếu không có truy xuất đủ tốt ở đầu xa.
• Đầu ra tối đa — 128.000 token trên cả hai
• Phương thức đầu vào — Opus 5.5 chấp nhận tệp cùng với văn bản và hình ảnh; thẻ mô hình MAI Code 2 chỉ liệt kê văn bản và hình ảnh
• Tính sẵn có của trọng số — bạn không thể tải xuống cái nào trong hai cái này, vì những lý do khác nhau: Opus 5.5 là độc quyền, và MAI Code 2 chỉ được bán dưới dạng dịch vụ lưu trữ
Bảng đó là nơi hai mô hình thực sự có thể so sánh được, và nó tạo ra tỷ lệ giá 12,5%, không phải 5%. Con số 5% là chi phí trên mỗi tác vụ, một phép đo khác: nó chia tổng chi tiêu cho số tác vụ đã hoàn thành, nên nó bao gồm cả số token mà mỗi mô hình đốt ở mức nỗ lực suy luận tối đa. Một mô hình suy luận hiệu quả hơn, hoặc chỉ đơn giản là dừng sớm hơn, có thể đạt 5% trong khi vẫn tính 12,5% mỗi token. Thẻ mô hình xác nhận tất cả các so sánh đều được chạy ở mức nỗ lực tối đa, đúng là thiết lập mà số lượng token khác biệt nhiều nhất.
96% được tạo nên từ những gì, và ai đã điều hành nó
Bốn benchmark nằm dưới mức 96%: DeepSWE 1.1, Terminal Bench 2.1, SWE Atlas và FrontierCode v1.1. Ba trong số đó đến từ MSBench, nền tảng đánh giá nội bộ của Microsoft, được chạy qua GitHub Copilot CLI phiên bản 1.0.102 với các subagent bị vô hiệu hóa. Benchmark thứ tư, FrontierCode, là dữ liệu của Artificial Analysis. Thẻ mô hình của chính Microsoft đưa ra tỷ lệ vượt qua thô ở mức nỗ lực suy luận tối đa: 73,2% trên DeepSWE 1.1, 84,6% trên TerminalBench 2.1 và 43,1% trên SWE Atlas.
Đọc ba con số đó mà không có cách diễn đạt theo tỷ lệ phần trăm thì một bức tranh khác sẽ hiện ra. SWE Atlas là benchmark yếu nhất trong ba cái ở mức 43,1%, và nó cũng là benchmark trong bộ không phải về việc sửa lỗi: nó đánh giá khả năng trả lời câu hỏi về codebase, viết test và tái cấu trúc theo rubric cũng như các kiểm tra lập trình. Một mô hình được tinh chỉnh cho "những thay đổi mà người bảo trì mã sẽ hợp nhất" có thể làm tốt các bài kiểm tra giải quyết issue mà vẫn chỉ ở mức trung bình khi giải thích một codebase. Microsoft không công bố phân tách theo từng benchmark so với Opus 5.5, chỉ công bố mức trung bình, nên không có cách nào để thấy cái nào trong bốn cái đang gánh 96% và cái nào đang kéo nó xuống.
Số liệu của chính nhà cung cấp dành cho Opus 5.5 cũng chỉ về một hướng tương tự từ phía ngược lại. Tài liệu ra mắt của Anthropic báo cáo Terminal-Bench 4.0 đạt 66,4% và GDPval-AA v2.1 đạt 1.846 Elo. Đây cũng là số liệu do nhà cung cấp báo cáo, cũng chưa được tái lập bằng harness của Microsoft, và hoàn toàn nằm trên một phiên bản benchmark khác — Terminal-Bench 4.0 so với 2.1 của Microsoft. Hai nhà cung cấp dẫn ra các phiên bản khác nhau của cùng một họ bài kiểm tra thì không phải là so sánh. Đó là hai mẩu quảng cáo đối diện nhau.
Một nhà đánh giá độc lập thực sự nói gì về Opus 5.5
Opus 5.5 là một trong số ít mô hình trong phân khúc này có hồ sơ đánh giá đầy đủ từ bên thứ ba. Artificial Analysis xếp nó ở mức 59 trên Chỉ số Trí tuệ v5.0.1, một chỉ số tổng hợp từ chín bài đánh giá, trải dài từ Terminal-Bench 4.0 qua FrontierCode-AA 2.0 đến Terminal-Bench-Science 0.1. Những con số đi kèm mới là thứ cần dựa vào để lập kế hoạch: 10,04 USD mỗi tác vụ chỉ số, 24,5 phút mỗi tác vụ, 118 token mỗi giây đầu ra và 358 giây để có token trả lời đầu tiên.

Hai trong số những con số đó quan trọng hơn điểm số. Thời gian 358 giây để có token trả lời đầu tiên là trải nghiệm của người dùng đang nhìn vào vòng xoay chờ, còn 24,5 phút mỗi tác vụ là thời gian thực tế mà một lượt chạy agent dài thực sự tốn. Opus 5.5 không phải một mô hình nhanh; nó là một mô hình kỹ lưỡng. Một đối thủ rẻ hơn không cần đạt 96% độ chính xác của nó để thắng một khối lượng công việc — đối thủ đó chỉ cần đủ tốt ở tác vụ cụ thể, và nhanh hơn hoặc rẻ hơn đáng kể ở mức cận biên. Đó chính là toàn bộ lập luận cho một mô hình giá-hiệu năng, và Microsoft đang đưa ra lập luận đó mà không có bằng chứng độc lập có thể khẳng định điều đó.
Nơi MAI Code 2 chưa thể vươn tới
Đây là phần mà con số phần trăm che giấu. MAI Code 2 được tích hợp trong GitHub Copilot, trên mọi gói trả phí từ Pro đến Enterprise, trong mọi trình soạn thảo mà GitHub mở rộng tới. Đó là một tập hợp bề mặt rộng lớn và là hệ thống hạ tầng của một nhà cung cấp duy nhất. Không có triển khai Foundry nào cho mô hình lớn khi ra mắt; chỉ MAI Code 2 Flash có bản xem trước trên Foundry, thông qua API Responses tương thích OpenAI. Microsoft nói rằng sẽ có thêm khả năng cung cấp trong tương lai, không nêu ngày cụ thể và không phân phối trọng số nào.
Ngược lại, Opus 5.5 nằm trên API riêng của Anthropic và ba đám mây lớn, với một mã mô hình, mốc ngừng hỗ trợ tối thiểu được công bố và chính sách snapshot được tài liệu hóa. Nếu công việc của bạn diễn ra bên trong Copilot, thì phép so sánh này đã có thể thực hiện ngay hôm nay. Nếu công việc của bạn diễn ra trong khung tác nhân riêng, quy trình CI hoặc ngăn xếp đa nhà cung cấp của bạn, thì một bên của phép so sánh này chỉ là một thông cáo báo chí.
Cách phân chia khối lượng công việc mới thực sự là yếu tố quyết định.
• Sửa chữa doanh nghiệp thông thường — các bản sửa có thể hợp nhất, chỉnh sửa nhiều tệp, gỡ lỗi chuyên sâu bên trong một kho mã đã biết — là tác vụ mà Microsoft đã xây dựng và định giá để phục vụ. Với mức 12,5% giá trên mỗi token của Opus hiện nay, ngay cả một mô hình cần lần thử thứ hai để đạt cùng tỷ lệ đạt vẫn có thể rẻ hơn trên mỗi tác vụ hoàn thành.
• Công việc tác tử dài hạn là lĩnh vực mà Microsoft cho biết mô hình không được tinh chỉnh, trong thông báo và một lần nữa trong thẻ mô hình. Toàn bộ định vị của Opus 5.5 xoay quanh khối lượng công việc đó, và mức 1.846 Elo của nó trên GDPval-AA là con số mà Anthropic chọn để dẫn đầu.
• Các codebase không phải tiếng Anh — đây không phải suy đoán mà là một dòng trong model card: chỉ đánh giá khả năng sinh mã tiếng Anh tại thời điểm phát hành, còn các ngôn ngữ ít phổ biến hơn thì được nêu rõ là chưa được đánh giá đầy đủ. Opus 5.5 không đưa ra lưu ý tương đương nào khi phát hành.
• Bất kỳ thứ gì thực hiện một hành động có hệ quả mà không có con người trong vòng kiểm soát đều nằm ngoài phạm vi ở cả hai bên, nhưng Microsoft nói rõ điều này đối với MAI Code 2 và yêu cầu các quy trình tác nhân có giám sát.
• Ngữ cảnh trên một triệu token là hòa nhau trên thực tế. Cả hai đều tuyên bố khoảng một triệu; không nên tin con số nào là ngân sách hoạt động nếu chưa kiểm thử khả năng truy xuất ở đoạn cuối xa.
Vận hành cả hai phía của sổ cái
Claude Opus 5.5 có trong danh mục của OrcaRouter với giá $4.00 cho đầu vào và $20.00 cho đầu ra trên mỗi triệu token, giá niêm yết của nhà cung cấp được chuyển nguyên với mức tăng giá 0%, vì vậy khi nhà cung cấp thay đổi giá, hóa đơn của bạn sẽ nhận thay đổi ngay ngày nó xảy ra, chứ không phải ngày một nhà bán lại cập nhật bảng giá. Điều đó còn quan trọng hơn bình thường trong một phép so sánh như thế này, vì giá của chính MAI Code 2 sẽ tăng gấp đôi vào ngày 17 tháng 5 năm 2027 — tỷ lệ bạn đang đánh giá hôm nay không phải là tỷ lệ bạn sẽ phải trả vào tháng Sáu.

MAI Code 2 không nằm trong danh mục của chúng tôi, và con đường được công bố duy nhất để tiếp cận nó là GitHub Copilot. Nếu Microsoft mở một endpoint Foundry cho mô hình lớn, bước đi đầu tiên hợp lý không phải là chuyển đổi mà là một đợt chạy song song ẩn: giữ Opus 5.5 trên luồng quan trọng, định tuyến mô hình rẻ cho những tác vụ mà bạn đã biết đáp án, và so sánh chi phí trên mỗi tác vụ hoàn thành thay vì giá token. Đó chính là kiểu quyết định mà chuyển đổi dự phòng tự động được sinh ra để xử lý — một mô hình mới, chưa được kiểm chứng trên một phần nhỏ lưu lượng, với một mô hình đã được kiểm chứng làm hậu thuẫn nếu phía rẻ gặp sự cố.
Phán quyết đứng vững trước bằng chứng: Opus 5.5 là mô hình nên giữ cho những công việc không ai muốn làm lại, còn MAI Code 2 là mô hình nên kiểm thử trên những công việc diễn ra hằng ngày. Con số 96% của Microsoft hoàn toàn có thể đúng trong chính khung kiểm thử của Copilot. Nó chưa được kiểm thử ở bất kỳ đâu có thể phản bác điều đó, và cho đến khi được kiểm thử, 5% chỉ là một tuyên bố còn 12.5% là một bảng giá.
