
MAI Code 2 与 Qwen 4 Max:九天、两张费率卡、一个端点
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 180 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 98 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
这个对比里藏着一个截止日期。Qwen 4 Max——阿里巴巴将其写作 Qwen4-Max,API 将其列为 qwen4-max——于 2026 年 11 月 16 日开始按量计费,而它所取代的预览版模型字符串——qwen4-max-preview 和 qwen4.0-max-preview——将在 2026 年 11 月 25 日 UTC+8 24:00 停止响应。距今还有九天。MAI Code 2——微软在 Qwen4-Max 正式发布一天后,于 2026 年 11 月 17 日的 Ignite 上发布了它——没有这样的倒计时:只能在 GitHub Copilot 客户端内选择它来使用,价格为每百万输入 token 0.50 美元、每百万输出 token 2.50 美元,优惠费率持续到 2027 年 5 月 17 日。因此,这两款模型中,一款有一个你仍可能错过的迁移截止日期,另一款则有一个你可以提前规划的到期日。这两者都不是基准测试,而它们合起来解释了这两款模型之间的大部分差异。
定价问题和准入问题在这里指向相反的方向,而其中只有一个能靠查阅费率表来解决。
两个相隔一天上线、却在其他所有问题上都意见相左的模型
MAI Code 2 作为同一舞台上七款模型中的一员亮相 Microsoft Ignite,其标志性的设计选择是:它只存在于其厂商的工具之内。阿里巴巴的 Qwen4-Max 在新加坡经历一段 Token Plan 时期后于前一天结束预览,其标志性的设计选择恰恰相反:在六个区域按 token 计量、支持四种 API 协议,以及一份把尴尬部分也保留下来的公开规格表。
这二十四小时就是这对产品的全部故事。一家公司发布了一款为其已在售的订阅服务而优化的模型。另一家发布的模型则为其已在运营的 API 而优化。下文中的每一处差异都由此而来,这也正是这场比较值得一做的原因。
费率卡,以及会到期的折扣
• 输入 — MAI Code 2 每百万 tokens 为 $0.50,而 Qwen4-Max 在新加坡为 $1.50,在 Global 区域为 $1.413;MAI 是新加坡费率的三分之一
• 产出 — $2.50,对比 $4.50 和 $4.24;比率收窄至 56%
• 缓存输入 — $0.025,而新加坡为 $0.075、其他地区为 $0.071;3× 差距,是列表中最小优势
• 缓存写入 — 微软未公布任何价格,对比 Qwen4-Max 每百万 token 五分钟写入 $1.875、一小时写入 $3.00
• 自 2027 年 5 月 17 日起 — MAI Code 2 的价格翻倍至 $1.00 / $0.05 / $5.00,届时其输入费率仍低于 Qwen4-Max,而输出费率则高于 Qwen4-Max
• 上下文 — Qwen4-Max 上为 991,808 个输入 token,在思考模式下降至 983,616,而 VS Code 和 Copilot CLI 中的 MAI Code 2 则为 100 万 token
• 输出预算 —— 微软未公布,对比 Qwen4-Max 上推理与回答共享的 262,144 个 token 预算
• 权重——两者均不可下载。微软明确说明了这一点;与同系列的 27B 层级不同,Qwen4-Max 的 Max 层级不附带开放权重承诺。
缓存输入这一项决定着长时间智能体运行的成本,而且它与宣传中的标题数字相悖。Qwen4-Max 的缓存读取价格是自身输入价格的 5%,其公布的示例——8,000 个 token 的输出加上一个被读取两次的前缀——使三次完全相同的运行成本为 $0.918,而未使用缓存时为 $1.908。对于把固定系统提示和工具模式放在变化的问题之前的团队来说,其获得的有效折扣远大于输入价格所暗示的水平。MAI Code 2 在较低基础价格上提供 95% 的缓存折扣,性质上相当,但微软没有公布缓存写入费用,这使得两张价格卡在智能体工作负载花费最多的这一维度上难以比较。
在迈向全面可用的过程中,输出预算缩水了。
关于 Qwen4-Max GA 最少被报道的一点是,预览版给了它更多思考空间。预览版时,思考与回答共享的预算为 393,216 个 token;到 GA 时则为 262,144 个。非思考输出上限为 131,072 个。就在该模型获得正式价目表和五个新区域的同时,三分之一的余量消失了。
这是否属于回归取决于你的工作负载,但这是一个有文档记录的差异,任何仍将配置指向预览字符串的人都需要了解,因为这些字符串将在九天后停用。能够继续保留下来的是标识符 qwen4-max。
MAI Code 2 的对应规格并未公布。Microsoft 文档给出了 100 万 token 的上下文窗口和可配置的推理级别——Copilot 文档确认推理深度可调,并指出扩展上下文是 VS Code 和 Copilot CLI 的功能——但任何 Microsoft 文档中都没有输出上限,因此没有可与 262,144 这个数字相比较的内容。这种不对称贯穿了整场对比:Qwen4-Max 会告诉你那些不太好听的数字,而 MAI Code 2 只告诉你那些好看的数字。
独立评分怎么说——来自唯一拥有这些评分的一方
Artificial Analysis 在 Intelligence Index v5.0.1 上给 Qwen4-Max 的评分为 43;其每个索引任务成本为 3.27 美元,每个任务耗时 32.1 分钟,输出速度为每秒 55 个 token,首个回答 token 的延迟为 155.4 秒,其测得的上下文窗口为 984k。这些数据处于中等水平。同一页面上的冗长度说明更有参考价值:在索引测试中,该模型生成的输出 token 数约为中位数模型的两倍,因此其名义 token 价格低估了每个任务的真实成本。
MAI Code 2 在 Artificial Analysis 上完全没有对应条目——没有模型页面,因此没有指数读数。现有信息只有微软的发布博文:四项具名基准测试中,三项通过 GitHub Copilot CLI 在公司内部 MSBench 平台上运行,运行时禁用子代理并采用最高推理强度;第四项来自 Artificial Analysis;结果表述为:以 5% 的成本达到 Claude Opus 5.5 性能的 96%,并以 40% 的成本达到 GPT-6.1 Sol 性能的 98%。未公布各项基准测试的通过率。
诚实地把它们放在一起看,你无法给这两者排名。Qwen4-Max 在一个中立指数上的 43 分属于中等水平;MAI Code 2 的比率就其自身标准而言很强;它们在不同测试框架上衡量不同的东西,而且两家厂商都没有运行过对方的测试。你能说的是,Qwen4-Max 的数字是可审计的,而 MAI Code 2 的不是——这说的是证据,而不是能力。

每个模型被训练来执行的动词
微软对 MAI Code 2 的定位既狭窄又具体:把代码推进到生产环境、深度调试、多文件实现、跨整个仓库的推理、UI 开发,以及仪表盘与可视化。发布文章对这些边界也同样说得十分明确——这些模型“明确尚未针对更难的问题进行调优,例如基础科学研究和超长周期的智能体工作”——而关于盲测前端评测的说法,即评审者的偏好率以 64% 超过 GPT-6 Sol,其适用范围恰恰限定在这一视觉编码的强项上。
Qwen4-Max 的定位从设计上就更为宽泛,其文档也体现了这一点:支持文本、图像和视频输入、结构化输出、并行工具调用、前缀补全、网络搜索,以及显式缓存和隐式缓存,覆盖 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 和 DashScope。批量推理仅在北京提供,而且只有 Batch File 路径享有折扣——Batch Chat 按实时费率计费,因此端点名称中的“batch”一词在当地并不构成价格保证。
这就是编程模型与通用模型之间实际存在的不对称。MAI Code 2 在它专为打造的事情上可能更强,而微软有不会向你展示的内部基准。Qwen4-Max 会做更多事情,而阿里巴巴自己的独立解读称,它在编程这一半上只是称职而已。
每个应该在哪里运行,以及路由器在这里究竟是用来做什么的
MAI Code 2 已在 GitHub Copilot 的 Pro、Pro+、Max、Business 和 Enterprise 中提供,支持 Windows、macOS 和 Linux,并可在 Copilot CLI 和 Visual Studio Code 中使用。MAI Code 2 Flash 是该系列中唯一提供 API 接口的模型——通过 OpenAI 兼容的 Responses API 在 Microsoft Foundry 中提供有限访问预览。Qwen4-Max 已在阿里巴巴自有平台上于六个地区提供。目前这两者都不在 OrcaRouter 的产品目录中,因此任何声称可路由它们的说法都不属实。
目录确实收录的是 在新加坡定价为 $2.00 和 $6.00 的 Qwen3.8-Max——Qwen4-Max 模型在输入和输出两端都比它便宜 25%——以及你会用来对廉价编程模型进行基准测试的前沿模型:Claude Opus 5.5、Kimi K3.1 Pro、Gemini 4 Carbon。 全部按提供商标价、0% 加价,全部使用一个密钥。这对某一类决策很重要:如果你打算通过在自己的代码仓库上分别运行 MAI Code 2 和 Qwen4-Max 来在两者之间做选择,那么这种比较需要一个对照组,而对照组如今是可衡量的,两个候选模型却都还不是。
在这些模型上真正站得住脚的路由论点,并不是“把两者放在同一个端点后面”。而是:你所掌控的那个端点,正是回退机制所在之处。调用 Qwen3.8-Max 的流水线无需改动代码即可故障转移到另一个提供商;而一个 Copilot 席位无法故障转移到任何东西,因为它底下没有任何可供路由的对象。
在没有共享基准的情况下如何选择
如果模型必须回答由你的代码构造的请求,就选 Qwen4-Max。这就是全部理由,而且具有决定性:一个支持四种协议和六个区域的 API,对比一个模型选择器条目,对任何自动化场景来说都不是势均力敌的较量。请在 11 月 25 日前从预览字符串迁移出去,为索引运行暴露出的冗长输出预留预算,并为比预览版小三分之一的输出上限预留预算。
如果开发者已经在使用 Copilot,而且工作是 Microsoft 为其定价的常规企业级修复工作,就选 MAI Code 2。它的输入费率是 Qwen4-Max 的三分之一,输出费率仅略高于其一半,因此即使一个模型需要第二次尝试,也能在每项已完成任务的成本上胜出——而且与 Qwen4-Max 不同,它的促销费率有明确的结束日期,而不是一张你无法控制的、没有明确期限的价目卡。
如果工作负载需要一个能向采购委员会站得住脚的评分,那两个都别选。一个模型的独立读数平平;另一个则完全没有独立读数。在这种情况下,可辩护的做法是:在你自己的任务上,把你所能调用的那个模型与一个在中立排行榜上的模型进行对比运行,并比较完成任务成本,而不是 token 价格。


真正会改变结论的,是微软给出的一个单一绝对数字。像 Moonshot 在 Terminal-Bench 4.0 上公布 65.7% 那样,公布 Terminal Bench 2.1 的通过率,就能让买家把 MAI Code 2 放在与 Qwen4-Max 的 43 相同的坐标轴上,而不再依赖一个比率。在那之前,选择就在于一个你可以衡量的模型和一个你可以验证的折扣之间;而诚实的建议是:凡是自动化的场景,选那个可衡量的;凡是有人坐在前面操作的场景,选那个折扣。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
