生成的狀態卡將 MAI Code 2 與 GLM-5.5 對比:MAI Code 2 自 2026 年 11 月 17 日起推出,每百萬 token 輸入 $0.50、輸出 $2.50;GLM-5.5 則沒有模型卡、API 識別碼或價格,並與 Z.ai 實際販售的模型 GLM-5.3 並列顯示。
Guides & Insights

MAI Code 2 對比 GLM-5.5:其中一款模型附有價目表

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

MAI Code 2於 2026 年 11 月 17 日推出,附帶一份 24 頁的模型卡、公布的促銷費率為每百萬輸入 token 0.50 美元與每百萬輸出 token 2.50 美元,並部署於 GitHub Copilot。GLM-5.5這些全都沒有。Z.ai 自家的 API 平台最高只到 GLM-5.3 與 GLM-5.3-Flash;該實驗室的 Hugging Face 組織沒有任何帶有 5.5 編號的檢查點;沒有費率表列、沒有 API 識別碼,也沒有模型卡。因此,標題所承諾的對決無法進行,否則就等於憑空發明規格。能實際進行的,是 MAI Code 2 對上GLM-5.3——Z.ai 真正販售的模型——再加上精確說明:在「GLM-5.5」成為你能實際呼叫的東西之前,必須先出現哪些內容;以及為什麼來到本頁的讀者應該在乎藍圖與產品之間的差別。

每一側存在什麼,本週已檢查

• MAI Code 2 — 於 2026 年 11 月 17 日發布,已公布模型卡,權重未釋出,API 僅限於 GitHub Copilot 內使用

• GLM-5.5 — 沒有發布、沒有模型卡、沒有識別碼、沒有價格、沒有權重、沒有使用此名稱的廠商頁面

• GLM-5.3 — 於 2026 年 8 月發布,開放權重發佈於 Hugging Face 上 Z.ai 自有組織之下,API 已在 Z.ai 平台上線

• GLM-5.3-Flash — 於 2026 年 8 月 26 日發布,是高用量的同系列型號,同樣採用開放權重

缺席並非技術細節。當一間實驗室願意收你的錢,或把權重交到你手上,一個模型才算存在。Z.ai 對 GLM-5.3 兩者都做,對任何編號 5.5 的模型則兩者都不做。所有關於 GLM-5.5 的流傳說法,都建立在發布窗口預測上,而非廠商聲明;而這條產品線的窗口此前也曾延後——產生 GLM-5.3 的八月窗口,原本被廣泛預期會產生一款名為 GLM-5.4 的模型。

真正能跑起來的比較:{{1}}MAI Code 2{{/1}} 對上 {{2}}GLM-5.3{{/2}}

Two-column card contrasting MAI Code 2, released 17 November 2026 at $0.50 and $2.50 per million tokens with 1,050,000-token context and no distributed weights, against GLM-5.3, released August 2026 with open weights, a $1.26 and $3.96 rate row and an Artificial Analysis Intelligence Index of 32.

這兩者在精神上比在價格上更接近。兩者都著眼於儲存庫規模的軟體工作。以 MAI Code 2 而言是封閉的,而 GLM-5.3 則是開放的,這是兩者之間最鮮明的結構性差異。

• 輸入價格 — MAI Code 2 為每百萬個 token 0.50 美元(促銷價,至 2027 年 5 月 17 日);相較之下,GLM-5.3 依據 OrcaRouter 的結構化費率列為 1.26 美元,依據供應商自身的描述文字則為 1.40 美元

• 輸出價格 — 依結構化資料列為 $2.50 對 $3.96,依描述性文字則為 $4.40

• 促銷期結束後——MAI Code 2 將於 2027 年 5 月 17 日調整為 $1.00 與 $5.00;GLM-5.3 未宣布變更

• 背景 — GLM-5.3 具有 1,000,000 個 token 的視窗;MAI Code 2 則有 1,050,000 個,因此多出的 50,000 個是微軟模型在這項規格上唯一領先的地方

• 最大輸出 — 兩者皆為 128,000 個詞元

• 它會接受什麼 — GLM-5.3 是文字輸入、文字輸出;MAI Code 2 也接受圖片輸入,而這只有在你的工單附有螢幕截圖時才有影響

• 權重 — MAI Code 2 不釋出任何權重;GLM-5.3 可供下載,因此你可以自行執行。

• 獨立評分——MAI Code 2 則無;GLM-5.3 在 Artificial Analysis Intelligence Index v5.0.1 上取得 32 分,每項指數任務為 5.01 美元

GLM 方面的價格落差值得標示出來,而不是含糊帶過:型錄中的結構化數字與供應商頁面的文字敘述並不一致,而你實際支付哪一個,取決於費率表如何套用。這是要你在下單承諾當下核對數字的理由,而不是挑一個數字就當作定案的理由。

GLM-5.3 的獨立評分能告訴你哪些 MAI Code 2 廠商數據沒說的事

Screenshot of the Artificial Analysis page for GLM-5.3 showing an Intelligence Index of 32, an August 2026 release, open weights and a $1.40 per million input token rate.

GLM-5.3 的 32 分單看並不亮眼。它低於 59 分的 Claude Opus 5.5、60 分的 Gemini 4 Carbon 與 55 分的 GPT-6.1 Sol,而且每項 index 任務要花 22 分鐘和 5.01 美元才能達到這個分數。但這個數字是由與 Z.ai 行銷沒有任何利害關係的人所產生,且與其他所有人一樣基於相同的九項評估基準,這讓它能與排行榜其餘模型相提並論,而微軟聲稱達到 Opus 96% 的說法則不然。

微軟的數字——DeepSWE 1.1 上 73.2%、TerminalBench 2.1 上 84.6%、SWE Atlas 上 43.1%,全都在最大推理強度下取得——出自 MSBench,也就是微軟的內部評測框架,並透過 GitHub Copilot CLI 跑出。這份模型卡對方法異常坦率,對獨立驗證卻異常沉默。當比較的一方擁有第三方分數,另一方卻只有第一方通過率時,誠實的解讀是:你知道 GLM-5.3 處於什麼位置,也知道微軟對 MAI Code 2 說了什麼。

開放權重這個問題,比分數更具決定性。

Screenshot of the Hugging Face model card for zai-org/GLM-5.3, showing an openly published repository under Z.ai's own organisation with a TextGeneration pipeline tag, and the model card's statement that GLM-5.3 uses the same base model as GLM-5.2 and takes its gains from post-training.

這是真正改變架構、而非採購的差異。GLM-5.3 可下載。你可以把它放到自己的硬體上、用自己的儲存庫歷史進行微調、讓流量留在自己的網路內,並在用量超過一張 GPU 的成本時停止按 token 付費。Z.ai 也提供客製化途徑——微軟的對應方案是 MAI Licensed Weights,與 MAI Code 2 同日宣布,讓組織能在自己的 Azure 環境中執行客製化的 MAI 模型。兩者並非相同的方案。一個是你可以下載並在任何地方執行的檔案;另一個是商業安排,將模型留在微軟雲端內,並把權重留在微軟手中。

對於限制在於資料落地(data residency)的團隊,GLM-5.3 直接給了答案。對於限制在於已在 Azure 上運行、並希望採用有廠商支援的受支援模型的團隊,MAI Licensed Weights 則更為合適——而且它是與 Copilot 訂閱分開購買的,後者讓你按 token 使用 MAI Code 2。

MAI Code 2 的可用與不可用範圍

在 Copilot 這邊,介面很廣,但門很窄:五個訂閱層級,從 Pro 到 Enterprise,而且 GitHub 有推出擴充功能的每個編輯器都涵蓋在內。缺少的是應用程式真正需要的東西——模型 ID 和 URL。MAI Code 2 Flash 在與 OpenAI 相容的 Responses API 上有 Foundry 的限量存取預覽;大型模型則沒有 Foundry 部署、沒有公開端點,也沒有上線日期,而 Microsoft 只表示將會推出更廣泛的可用性。

相較之下,GLM-5.3 是透過 Z.ai 自家的 API 提供,並以權重形式釋出,這意味著存在十幾種兩家廠商都無法控制的託管安排。這正是擁有生態系的模型與只有一次發布的模型之間的實際差別。

如果 GLM-5.5 真的出現,會有什麼改變?

三件事必須成立,才算得上是真正的比較。一是模型卡或廠商公告,因為外洩討論串裡的一個名字並不代表正式發布。二是價目表,因為買家唯一要做的決定,就是每 token 成本對上每任務成本。三是權重或端點,因為你呼叫不到的模型就只是一份新聞稿。如果 Z.ai 遵循自己的模式,可能的形態會是 GLM-5.3 等級的文字模型,擁有更高的指數分數與開放權重——這會讓它成為任何需要自行運行模型、而非租用模型的人眼中 MAI Code 2 的真正替代方案,而對任何在 Copilot 內工作的人來說則完全不是替代方案。

用一個按鍵同時執行兩邊

GLM-5.3 已以直通費率上架 OrcaRouter 的目錄,且 0% 加價,與 Claude Opus 5.5、Gemini 4 Carbon 和 GPT-6.1 Sol 並列——因此這場比較中的開放權重一方,可以用單一金鑰對照封閉前沿模型來衡量,無需另簽第二份合約。在一個模型還只是承諾的對決中,這正是有用的能力:你可以為今天實際擁有的替代方案定價,並看出那個尚不存在的模型必須超越什麼。MAI Code 2 不在我們的目錄中;公開的路線是 GitHub Copilot。

對於來這裡做選擇的讀者:如果你想要一個確實存在、具備開放權重和公開價格的模型,在 Z.ai 這邊,答案就是 GLM-5.3。如果你想要每 token 成本最低、有 Microsoft 支援途徑,而且你在 Copilot 裡工作的程式設計模型,今天正式推出的是 MAI Code 2。GLM-5.5 兩者都不是;對於一個背後沒有模型的名稱,誠實的做法是等待模型卡,而不是圍繞這個名稱做規劃。

本文中的比較1

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新