生成的记分牌卡片显示:MAI Code 2 的价格为每百万 token 0.50 美元和 2.50 美元,且没有独立的指数行;与之对比的是 GPT-6.1 Sol,价格为每百万 token 2.00 美元和 10.00 美元,Artificial Analysis 智能指数为 55,并附有已弃用状态说明。
Guides & Insights

MAI Code 2 与 GPT-6.1 Sol 对比:微软以一款已弃用的模型为基准来对标自己

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

微软 Ignite 公告中被引用最多的一句话是:MAI Code 2提供了 GPT-6.1 Sol编码性能的 98%,而成本仅为其 40%。这句话很不错。它还点名了一个模型,而 Artificial Analysis 已将其标记为弃用,并且在 OpenAI 自己的产品线中已被 GPT-6.2 Sol 取代;正是这个细节重新定义了整个比较:微软选定了参照点,而该参照点已不再是需要击败的对象。MAI Code 2 于 2026 年 11 月 17 日发布,促销价为每百万输入 token 0.50 美元、每百万输出 token 2.50 美元。GPT-6.1 Sol 的价格为 2.00 美元和 10.00 美元,在独立指数上得分为 55。这些事实都没有使 98% 的说法变成假的。它们只是让这一比较变成了与一个即将退场的模型作比较,而这与同前沿模型作比较是两回事。

费率卡和弃用通知

• 每百万 token 价格——GPT-6.1 Sol 输入收费 $2.00、输出收费 $10.00,无有效期;MAI Code 2 在 2027 年 5 月 17 日之前收费 $0.50 和 $2.50,之后收费 $1.00 和 $5.00

• 缓存输入 — $0.10 对 $0.025,4 倍差距在两次价格调整后依然存在

• 长提示词——MAI Code 2 尚未公布分层档位;GPT-6.1 Sol 对超过 272,000 个输入 token 的所有用量重新定价,输入按 2 倍、输出按 1.5 倍计费,因此一个 300K token 的请求,其每 token 成本会高于标称费率所显示的水平

• 上下文 — 两者均为 1,050,000 个 token,最大输出均为 128,000 个 token

• 输入模态——GPT-6.1 Sol 可读取文件以及文本和图像;MAI Code 2 的模型卡声称支持文本和图像,仅此而已

• 生命周期状态——MAI Code 2 全新;GPT-6.1 Sol 被 Artificial Analysis 标记为已弃用,后者现在每 18 小时而不是每 6 小时对其进行基准测试

最后一句是买家最应仔细权衡的。已弃用的模型并不等于已停用——它仍会响应,也仍按标价计费——但其评估节奏已经放缓,供应商也已转向别处。围绕处于这种状态的模型构建成本模型,意味着围绕一个不会再被更新的数字来构建。

98% 是以什么为基准衡量的,以及为什么参照点很重要

Card breaking down Microsoft's 98% claim into its four benchmarks, noting that three ran on the internal MSBench harness and only FrontierCode came from Artificial Analysis, with the MAI Code 2 pass rates and the deprecated status of GPT-6.1 Sol.

抛开包装来看,98% 是四项通过率的平均值,其中三项由微软自己生成。DeepSWE 1.1、Terminal Bench 2.1 和 SWE Atlas 都通过 MSBench——微软的内部平台——经由 1.0.102 版本的 GitHub Copilot CLI 运行,子代理关闭,所有模型均以最大强度运行。FrontierCode 的分数和成本来自 Artificial Analysis。微软没有公布的是拆分:卡片给出了 MAI Code 2 自身的数字——73.2%、84.6%、43.1%——以及与 GPT-6.1 Sol 对比的一个平均值,却没有一行说明是哪个基准拉高了平均值、哪个拉低了它。

平均值会掩盖结果的结构,而结构很重要。SWE Atlas 为 43.1%,是三个公开数字中最弱的一个,而且它考察的是代码库问答、测试编写和重构,而不是问题修复。FrontierCode 是唯一独立来源的组成部分,也是四者之一。一个在缺陷修复基准上持平、但在重构上落后的模型,平均分可以达到 98%,却仍然不适合用来做重构。

微软的另一大头条是一项偏好研究,而非通过率:在对界面、游戏、数据可视化、3D 场景和 SVG 图形等前端作品进行的盲测并排评估中,258 名标注人员在 64% 的情况下更偏好 MAI Code 2 的输出,而非 GPT-6 Sol 的输出。注意那里提到的模型是 GPT-6 Sol,而不是 6.1;还要注意,对生成 UI 外观的偏好并不是衡量它是否有效的指标。

独立记录对 GPT-6.1 Sol 有何说法

GPT-6.1 Sol 拥有 MAI Code 2 所不具备的东西:第三方评测档案。Artificial Analysis 在 Intelligence Index v5.0.1 上给它打出 55 分,这与该区间内其他所有模型所采用的同一套九项评估综合评分一致,并记录每项指数任务 1.27 美元、每任务 23.3 分钟、首个回答 token 用时 145 秒、输出速度为每秒 49 个 token。

Screenshot of the Artificial Analysis page for GPT-6.1 Sol showing a deprecation notice recommending GPT-6.2 Sol, an Intelligence Index of 55, 145.15 seconds to first answer token, 49 output tokens per second and 23.3 minutes per task.

在 OpenAI 自己的产品线内部,局面已经发生变化。GPT-6.2 Sol 以每项任务 1.01 美元的成本获得 57 分,因此微软拿来对标的那款模型,已经被它自己的后继者同时在成绩上击败、在价格上压过。这并不是反对 MAI Code 2 的理由——更便宜的模型击败更旧、更贵的模型,正是以性价比为卖点的发布本该做到的事。这是反对把 98% 当作对当前前沿水平描述的理由。诚实的说法是:微软以 40% 的价格匹配了上一代的一款强模型,但尚未展示它在面对当前正在交付的模型时表现如何。

令牌流向何处,这才是真正的差异所在

微软的 40% 是每任务成本数字,不是价格比。价格比是 25%——输入为 0.50 美元对 2.00 美元,输出为 2.50 美元对 10.00 美元。要让成本比处在 40% 而价格比处在 25%,MAI Code 2 每任务消耗的 token 就必须多于 GPT-6.1 Sol,按我对这两个已公布比率的计算,大约是其 1.6 倍。这是一个推断,不是微软的说法,而且混合的输入/输出费率使其只是近似值。

由此可以得出两点。第一,MAI Code 2 按每个完成的任务计算更便宜,但并不像标题所暗示的那样按每个 token 更便宜,因此任何按 token 而非按任务计费的工作负载,节省幅度都会小于 60%。第二,大量消耗 token 的行为与推理强度档位会形成不良交互:两个模型都提供推理强度级别,并且都在最高强度下进行了基准测试;而团队无论在哪一个模型上以最高强度运行,都要为思考 token 支付双倍成本。对于日常工作,把推理强度调低到较低档位,通常比切换模型带来更大的节省。

访问方式:一个是 API,另一个是订阅功能

GPT-6.1 Sol 可通过模型 ID 在 OpenAI 的 API 上调用,具有有文档记录的快照策略、2026 年 4 月 30 日的知识截止日期,并支持工具、结构化输出、响应格式和 seed。它还已在 Plus、Pro、Business、Enterprise 和 Edu 计划的 ChatGPT Work 和 Codex 中提供。

MAI Code 2 是一项 Copilot 功能,不是 API。你可以通过 GitHub 订阅(从 Pro 到 Enterprise)使用它,并且无论你已经在用哪个客户端——从 VS Code 到 Xcode——都可以访问。它不在 Microsoft Foundry 中;只有 MAI Code 2 Flash 有 Foundry 预览版,通过 OpenAI 兼容的 Responses API 提供。MAI Code 2 本身没有已发布的端点,也没有相关时间表,并且在任何许可下都没有权重分发。

对于代码托管在 GitHub、开发者已经在使用 Copilot 的团队来说,这是一个很好的答案,而且可以说比 API 密钥更好。对于 CI 机器人、内部智能体框架、代码审查流水线,或任何拥有自己编排系统的场景,GPT-6.1 Sol 是一个可以调用的模型,而 MAI Code 2 不是。

该选哪一个

• 对于 Copilot 原生的开发者任务——成本敏感、高用量——MAI Code 2 的定价为 $0.50 和 $2.50,而常规层级的 MAI Code 2 Flash 为 $0.05 和 $0.25,显然是便宜得多的选择,优势巨大。

• 应用、智能体或 CI 集成——GPT-6.1 Sol,因为它提供 API。MAI Code 2 采用订阅制。

• 每次请求超过 272,000 个 token 时——GPT-6.1 Sol 的长提示词档位会将输入费率翻倍,这进一步削弱了其价格定位;MAI Code 2 未公布同等档位,这是文档中的缺口,而不是承诺不存在该档位。

• 使用英语以外的语言编写代码——对于 MAI Code 2,模型卡在发布时明确排除了这一点;OpenAI 并未对 GPT-6.1 Sol 附加此类限制

• 长周期自主工作——微软明确表示,MAI Code 2 并未针对超长周期的智能体工作进行调优,也不适用于无人监督且会产生重大后果的行动。GPT-6.1 Sol 的定位更广泛,不过其自身已被弃用,这也是应转而关注 GPT-6.2 Sol 的一个理由。

将比较定价建立在单一关键指标上

Screenshot of OrcaRouter's GPT-6.1 Sol model page showing the $2.00 input and $10.00 output per million token rates, a 1M-token context, 128K maximum output and text, image and file input.

GPT-6.1 Sol 已在 OrcaRouter 上以供应商标价、0% 加价提供——每百万 token 输入 $2.00、输出 $10.00——Claude Opus 5.5 和 Gemini 4 Carbon 也是如此,全部只需一个密钥即可使用。GPT-6.2 Sol 尚未出现在目录中,因此继任者的问题无法在这里定论;能做的是如实为 6.1 Sol 的弃用定价,并关注每项任务的账单,而不是假定更新的模型就是更贵的那个。事实并非如此——在 Artificial Analysis 上,6.2 Sol 每项索引任务成本为 $1.01,而 6.1 为 $1.27。

MAI Code 2 不在我们的产品目录中;唯一公开的途径是 GitHub Copilot。如果 Microsoft 为大型模型开放 Foundry 端点,有用的首个实验不是切换,而是拆分:将 MAI Code 2 用于其价格优势最大的日常修复流量,将经过评估的前沿模型用于重构和长周期工作,并设置底层自动故障转移,这样未经证实的模型就永远不会成为单点故障。40% 值得测试。在任何人围绕它规划迁移之前,98% 都值得在你们自己的代码仓库上单独测试。