產生的比較卡片顯示,MAI Code 2 每百萬個 token 的輸入費用為 $0.50、輸出費用為 $2.50,對比 Claude Opus 5.5 的 $4.00 與 $20.00,並將 96% 效能與 5% 成本的宣稱標註為廠商提供。
Guides & Insights

MAI Code 2 對上 Claude Opus 5.5:96% 換 5% 的說法漏掉了什麼

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

在MAI Code 2與Claude Opus 5.5的比較中,有一個數字人人都在引用,卻沒有人能夠查證。微軟表示,MAI Code 2 在四項程式碼基準測試中達到 Opus 5.5 效能的 96%,而成本僅為其 5%。Opus 5.5 自 2026 年 9 月 22 日起全面開放使用,有公開的價目表,在 Artificial Analysis 智慧指數中得分為 59。MAI Code 2 於 2026 年 11 月 17 日推出,有自己的價目表,卻完全沒有獨立評分——它只能在 GitHub Copilot 內呼叫,別無他處,而在撰寫本文時,Artificial Analysis 上並沒有它的評測紀錄。因此,誠實的比較並非兩欄數字並列。這其實是一個可以實測的模型,對上一個只能聽信微軟說法的模型,再加上一個大到值得認真看待其說法的價差——至少在有人實際測試之前如此。

兩張費率卡,在任何百分比之前

Microsoft 透過 GitHub Copilot 以用量計費方式,按 token 對 MAI Code 2 收費,促銷費率將於公布日期到期。Anthropic 則按牌價依 token 對 Opus 5.5 收費,且無到期日。

Side-by-side rate card comparing MAI Code 2 at $0.50 input, $2.50 output and $0.025 cached input per million tokens with Claude Opus 5.5 at $4.00, $20.00 and $0.20, showing an 8x gap that narrows to 4x after 17 May 2027.

• 輸入 — MAI Code 2 每百萬個 token 為 $0.50,相較於 Claude Opus 5.5 的 $4.00;Opus 每個輸入 token 的成本高出 8 倍

• 輸出 — 每百萬 $2.50 對比 $20.00;同樣的 8× 差距

• 快取輸入 — 每百萬 $0.025 對比 $0.20;同樣是 8×

• 2027 年 5 月 17 日之後 — MAI Code 2 調整價格為 $1.00 / $0.05 / $5.00,使差距縮小至輸入 4 倍、輸出 4 倍

• 背景 — Opus 5.5 公布了整數 1,000,000;MAI Code 2 公布了 1,050,000,視窗大了 5%,但若沒有能在最末端仍站得住腳的檢索,也不會更有用

• 最大輸出 — 兩者皆為 128,000 個詞元

• 輸入模態 — Opus 5.5 可接受檔案以及文字與圖片;MAI Code 2 模型卡僅列出文字與圖片

• 權重取得方式——兩者都無法下載,但原因不同:Opus 5.5 是專有模型,而 MAI Code 2 僅以託管服務形式販售

那張表才是兩個模型真正可互相比較的地方,而它得出的是 12.5% 的價格比,不是 5%。5% 這個數字是每項任務成本,屬於不同的衡量方式:它將總支出除以完成的任務數,因此也納入了每個模型在最大推理投入下消耗多少 token。一個推理更有效率、或只是更早停下來的模型,可能落在 5%,但每個 token 仍計價 12.5%。模型卡確認所有比較都是在最大投入下執行,而這正是 token 數量差異最大的設定。

這 96% 是由什麼組成的,以及是由誰營運的

四項基準測試低於 96%:DeepSWE 1.1、Terminal Bench 2.1、SWE Atlas 和 FrontierCode v1.1。其中三項來自 MSBench,這是 Microsoft 的內部評估平台;透過 GitHub Copilot CLI 1.0.102 版執行,並停用子代理。第四項 FrontierCode 則是 Artificial Analysis 的資料。Microsoft 自家的模型卡提供了在最高推理強度下的原始通過率:DeepSWE 1.1 為 73.2%、TerminalBench 2.1 為 84.6%、SWE Atlas 為 43.1%。

若不從百分比框架來看這三個數字,就會浮現不同的面貌。SWE Atlas 是三者中最弱的,只有 43.1%,而它也是這組基準測試中唯一不是在修 bug 的:它評估程式碼庫問答、撰寫測試與重構,並同時依據評分規準和程式化檢查來評分。一個針對「維護者會合併的程式碼變更」調校過的模型,可以在問題解決測試上表現良好,卻仍只在解釋程式碼庫方面表現平庸。微軟並未公布相對於 Opus 5.5 的各項基準測試分數拆解,只公布平均值,因此無法看出這四項中是哪一項撐起了 96%,又是哪一項拉低了它。

Opus 5.5 自家廠商公布的數字,也從另一側指向類似的方向。Anthropic 的發布資料中,Terminal-Bench 4.0 報為 66.4%,GDPval-AA v2.1 為 1,846 Elo。這些同樣是廠商自行回報的數據,同樣未經 Microsoft 的測試框架重現,而且完全落在不同的基準版本上——Terminal-Bench 4.0 對上 Microsoft 的 2.1。兩家廠商引用同一類測試的不同版本,並不構成比較。那只是兩則廣告彼此對峙。

獨立評測者對 Opus 5.5 究竟有何說法

Opus 5.5 是這個級距中少數擁有完整第三方評測紀錄的模型之一。Artificial Analysis 在 Intelligence Index v5.0.1 中將其評為 59 分,這是一項由九項評測構成的綜合指標,範圍涵蓋 Terminal-Bench 4.0、FrontierCode-AA 2.0,一直到 Terminal-Bench-Science 0.1。規劃時應以這些輔助數據為依據:每項指標任務 $10.04、每項任務 24.5 分鐘、輸出速度每秒 118 個 token,以及首個回應 token 需時 358 秒。

Screenshot of the Artificial Analysis page for Claude Opus 5.5 showing an Intelligence Index of 59, $4.00 input and $20.00 output per million tokens, $10.04 per index task, 24.5 minutes per task, 118 output tokens per second and a 1M-token context window.

這兩個數字比總分更重要。358 秒的首次回答 token 時間,是使用者盯著轉圈動畫時實際感受到的體驗;而每項任務 24.5 分鐘,則是長時間 agent 執行實際付出的牆鐘時間。Opus 5.5 不是快速模型,而是徹底的模型。更便宜的競爭對手不必達到它 96% 的準確率才能贏得一項工作負載——它只需在特定任務上夠好,並且在邊際上明顯更快或更便宜。這就是價格效能模型的完整論點,而 Microsoft 正提出這個論點,卻沒有能定論的獨立證據。

MAI Code 2 目前仍無法觸及的領域

這正是百分比所掩蓋的部分。MAI Code 2 內建於 GitHub Copilot,涵蓋從 Pro 到 Enterprise 的每個付費方案,以及 GitHub 擴及支援的每個編輯器。那是一組廣泛的介面,也是單一廠商的底層管線。大型模型在推出時並無 Foundry 部署;只有 MAI Code 2 Flash 透過與 OpenAI 相容的 Responses API 提供 Foundry 預覽。Microsoft 表示後續還會有更多可用方式,但未說明日期,也未釋出權重。

相較之下,Opus 5.5 在 Anthropic 自家 API 與三大雲端平台上提供,具備模型 ID、已公布的退役底線,以及有文件記載的快照政策。若你的工作是在 Copilot 內進行,這項比較今天就成立。若你的工作是在自家代理框架、CI 管線或多供應商技術堆疊中進行,這項比較的其中一方就只是一份新聞稿。

真正決定結果的工作量分配

• 例行性企業修復——可合併的修正、多檔案編輯、在已知儲存庫內進行深度除錯——正是 Microsoft 打造並據以定價的任務。以目前 Opus 每 token 費率的 12.5% 來看,即使是需要第二次嘗試才能達到相同通過率的模型,換算每項完成任務也可能更便宜。

• 長時間跨度的代理式工作是 Microsoft 表示該模型未經調校的領域,這點在公告中提過,在模型卡中也再次強調。而 Opus 5.5 的整體定位正是這類工作負載,其在 GDPval-AA 上達 1,846 Elo 的分數,正是 Anthropic 選擇用來打頭陣的數字。

• 非英文程式碼庫——這不是推論,而是模型卡上的一行:發佈時僅限英文程式碼生成,較不常見的語言則明確列為評估不足。Opus 5.5 並未附上同等警語。

任何在沒有人類介入的情況下採取有重大後果行動的作法,雙方都將其排除在範圍之外,但 Microsoft 明確針對 MAI Code 2 如此表示,並要求採用受監督的代理式工作流程。

• 在實務上,超過一百萬個 token 的上下文可說是不相上下。兩者都聲稱約有一百萬;在尚未測試最遠端檢索的情況下,這兩個數字都不應被當作可用的工作預算。

同時掌管帳簿的兩端

Claude Opus 5.5 已收錄於 OrcaRouter 的目錄中,每百萬個 token 的輸入價格為 $4.00、輸出價格為 $20.00,供應商牌價以 0% 加成原樣轉嫁,因此供應商價格一有變動,當天就會反映到你的帳單,而不是等到經銷商更新報價表的那天。在這樣的比較中,這一點比平常更重要,因為 MAI Code 2 本身的價格將於 2027 年 5 月 17 日翻倍——你今天評估的比例,並不是你六月將支付的比例。

Screenshot of OrcaRouter's Claude Opus 5.5 model page listing the $4.00 input and $20.00 output per million token rates, a 1M-token context, 128K maximum output and zero data retention availability.

MAI Code 2 不在我們的型錄中,而唯一已公開的取得途徑是 GitHub Copilot。如果 Microsoft 為這個大型模型開放 Foundry 端點,明智的第一步不是遷移,而是影子執行:讓 Opus 5.5 留在真正重要的路徑上,把便宜模型導向你已知答案的任務,並比較完成任務的成本,而非 token 單價。這正是自動容錯移轉所針對的決策型態——讓一個全新、未經證實的模型承接一小部分流量,並在便宜的一側停滯時,由已獲證實的模型在後方接手。

經得起證據檢驗的結論是:Opus 5.5 是沒有人想重做的工作應保留的模型,而 MAI Code 2 是每天執行的工作應測試的模型。Microsoft 的 96% 很可能在 Copilot 自家的測試框架中成立。它尚未在任何可能推翻它的地方受過測試;在受到那樣的測試之前,5% 只是宣稱,12.5% 只是費率表。