生成的記分板卡片顯示 MAI Code 2 每百萬個 token 為 $0.50 與 $2.50,且沒有獨立索引列;相較之下,GPT-6.1 Sol 為 $2.00 與 $10.00,Artificial Analysis Intelligence Index 為 55,並帶有已棄用狀態註記。
Guides & Insights

MAI Code 2 對決 GPT-6.1 Sol:微軟以已淘汰的模型作為自身基準

作者

Gideon Frost

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

微軟 Ignite 發表會中最常被引用的一句話是:MAI Code 2提供 98% 的GPT-6.1 Sol程式編寫效能,成本僅需 40%。這句話很漂亮。它還點名了一個已被 Artificial Analysis 標示為棄用的模型,該模型在 OpenAI 自家產品線中已被 GPT-6.2 Sol 取代;而這正是讓整個比較改觀的細節:微軟挑了參照點,而這個參照點已不再是要超越的對象。MAI Code 2 於 2026 年 11 月 17 日推出,促銷價為每百萬個輸入 token 0.50 美元、每百萬個輸出 token 2.50 美元。GPT-6.1 Sol 的成本為 2.00 美元與 10.00 美元,並在獨立指數上得分 55。這兩項事實都不會讓 98% 的說法變成假的。它們只是讓這個比較變成與一個正被淘汰的模型相比,而這與跟前沿模型相比是兩回事。

費率卡與棄用通知

• 每百萬個權杖價格 — GPT-6.1 Sol 輸入收費 $2.00、輸出 $10.00,無到期日;MAI Code 2 在 2027 年 5 月 17 日前收費 $0.50 與 $2.50,之後為 $1.00 與 $5.00

• 快取輸入 — $0.10 對比 $0.025,4 倍差距在兩次價格調整後依然存在

• 長提示 — MAI Code 2 沒有公開的級距;GPT-6.1 Sol 會將超過 272,000 個輸入 token 的部分全部重新計價,輸入按 2 倍、輸出按 1.5 倍計算,因此一筆 300K token 的請求,每 token 成本會高於其標示費率所暗示的水準

• 上下文 — 兩者皆為 1,050,000 個 token,且兩者的最大輸出皆為 128,000 個 token

• 輸入模態 — GPT-6.1 Sol 可讀取檔案,以及文字和圖像;MAI Code 2 的模型卡宣稱支援文字與圖像,僅此而已

• 生命週期狀態 — MAI Code 2 為全新推出;GPT-6.1 Sol 已被 Artificial Analysis 標記為棄用,該機構現在改為每 18 小時對其進行一次基準測試,而非每 6 小時。

最後那句話是買家最該慎重權衡的。已棄用的模型並不等於停用——它仍會回應,也仍按定價收費——但它的評測頻率已經放緩,供應商也已轉往別處。圍繞處於這種狀態的模型建立成本模型,等於是把成本模型建立在一個不會再更新的數字上。

98% 衡量的是什麼,以及為何基準點很重要

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.

撇開包裝不談,98% 是四項通過率的平均值,其中三項由 Microsoft 自行產生。DeepSWE 1.1、Terminal Bench 2.1 和 SWE Atlas 都是透過 1.0.102 版的 GitHub Copilot CLI、經由 Microsoft 內部平台 MSBench 執行,關閉子代理,每個模型都以最高強度運行。FrontierCode 的分數與成本來自 Artificial Analysis。Microsoft 沒有公布的是拆分:評測卡給出 MAI Code 2 自身的數字——73.2%、84.6%、43.1%——以及一項與 GPT-6.1 Sol 對比的平均值,卻沒有任何一行顯示是哪個基準撐起了平均值、哪個拖低了它。

平均值會掩蓋結果的形狀,而形狀很重要。SWE Atlas 為 43.1%,是三個公開數字中最弱的一個,而它測試的也正是程式碼庫問答、測試撰寫與重構,而非問題修復。FrontierCode 是唯一來自獨立來源的組成部分,也是四項中的一項。一個在錯誤修復基準上與人持平、在重構上落後的模型,平均可以達到 98%,卻仍然不是適合用來做重構的工具。

微軟的另一個重點是一項偏好研究,而非通過率:在針對介面、遊戲、資料視覺化、3D 場景與 SVG 圖形等前端工作的盲測並排評估中,258 名標註者有 64% 的情況偏好 MAI Code 2 的輸出,勝過 GPT-6 Sol。請注意那裡提到的模型——是 GPT-6 Sol,不是 6.1——並注意,對生成式 UI 外觀的偏好,並不代表它能否正常運作。

關於 GPT-6.1 Sol,獨立紀錄怎麼說

GPT-6.1 Sol 有一項 MAI Code 2 沒有的東西:第三方評測概況。Artificial Analysis 在 Intelligence Index v5.0.1 上給它 55 分,這與這個級別中其他所有模型所採用的同一套九項評估綜合分數相同,並記錄其每項索引任務為 $1.27、每項任務 23.3 分鐘、首個回答 token 需 145 秒,以及輸出速度為每秒 49 個 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 自家產品線中,情況已經改變。GPT-6.2 Sol 每項任務得分 57、成本 1.01 美元,因此微軟拿來對標的模型,已被其自家後繼模型同時在表現上超越、在價格上壓低。這並不是反對 MAI Code 2 的理由——較便宜的模型勝過較舊、較貴的模型,正是主打性價比的產品發布應有的表現。這反而說明,不該把 98% 當成對當前最前沿水準的描述。誠實的說法是:微軟以 40% 的價格,追平了上一代的一款強勁模型,但尚未展示它面對目前正在出貨的那款模型時表現如何。

代幣流向何處,這才是真正的差異所在

微軟的 40% 是每項任務的成本數字,不是價格比率。價格比率是 25%——輸入為 $0.50 對 $2.00,輸出為 $2.50 對 $10.00。若成本比率維持在 40%,而價格比率維持在 25%,那麼依我對這兩個已公布比率的推算,MAI Code 2 每項任務花費的 token 必須比 GPT-6.1 Sol 更多,大約是 1.6 倍。這是推論,不是微軟的說法,而且混合輸入/輸出費率會使其成為近似值。

由此可得出兩點。首先,MAI Code 2 以每個完成的任務計較便宜,但並非標題所暗示的那樣按每個 token 計較便宜,因此任何按 token 而非按任務計價的工作負載,節省幅度都會小於 60%。其次,大量消耗 token 的行為會與推理努力程度階梯產生不良的相互作用:兩個模型都提供努力程度設定,且兩者都是在最大努力程度下進行基準測試;無論採用哪個模型,團隊若以最大努力程度運行,都會為思考型 token 支付雙重費用。在例行工作上降到較低的努力程度設定,通常比切換模型更能節省成本。

存取方式:一個是 API,另一個是訂閱功能

GPT-6.1 Sol 可透過 OpenAI 的 API 呼叫,並具備模型 ID、有文件記載的快照政策、2026 年 4 月 30 日的知識截止日期,以及對工具、結構化輸出、回應格式與 seed 的支援。它也適用於 Plus、Pro、Business、Enterprise 與 Edu 方案中的 ChatGPT Work 和 Codex。

MAI Code 2 是 Copilot 的功能,而非 API。您可以透過 GitHub 訂閱(從 Pro 到 Enterprise)取得它,並使用您已經在用的任何用戶端,從 VS Code 到 Xcode。它不在 Microsoft Foundry 中;只有 MAI Code 2 Flash 有 Foundry 預覽版,可透過 OpenAI 相容的 Responses API 使用。MAI Code 2 本身沒有已發佈的端點,也沒有任何上線日期,且未在任何授權下提供權重發佈。

對於程式碼放在 GitHub、開發人員已經在使用 Copilot 的團隊來說,這是個很好的答案,而且可以說比 API 金鑰更好。對於 CI 機器人、內部代理框架、程式碼審查流程,或任何具有自身編排機制的系統而言,GPT-6.1 Sol 是你可以呼叫的模型,而 MAI Code 2 則不是。

該選哪一個

• Copilot 原生的開發工作、成本敏感、高用量——MAI Code 2 的 $0.50 與 $2.50,以及例行層級 MAI Code 2 Flash 的 $0.05 與 $0.25,以大幅差距成為更便宜的答案。

• 應用程式、代理程式或 CI 整合 — GPT-6.1 Sol,因為它提供 API。MAI Code 2 則採訂閱制。

• 每請求超過 272,000 個 token 時——GPT-6.1 Sol 的長提示層級會使輸入費率加倍,這進一步削弱其價格定位;MAI Code 2 並未公布對等的層級,這是文件上的缺口,而非承諾不會有此層級。

• 以英語以外的語言撰寫程式碼——模型卡在 MAI Code 2 發布時排除了這一點;OpenAI 對 GPT-6.1 Sol 則沒有附加這類限制

• 長程自主作業 — Microsoft 明確表示 MAI Code 2 並未針對極長程的代理式作業進行調校,也不打算用於無人監督的重大行動。GPT-6.1 Sol 的定位較為廣泛,不過其自身遭到淘汰,正是應該改為考慮 GPT-6.2 Sol 的理由。

以單一關鍵因素來評估這項比較

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 上以供應商標價、0% 加成提供——每百萬個 token 輸入 $2.00、輸出 $10.00——Claude Opus 5.5 和 Gemini 4 Carbon 也是如此,全都透過同一把金鑰存取。GPT-6.2 Sol 尚未列入目錄,因此接班問題無法在此定論;能做的,是誠實地為 6.1 Sol 的退役定價,並緊盯每項任務的帳單,而不是假設較新的模型就是較貴的那個。事實並非如此——在 Artificial Analysis 上,6.2 Sol 每項指數任務的費用是 $1.01,而 6.1 是 $1.27。

MAI Code 2 並未收錄在我們的產品型錄中;目前唯一公開的途徑是 GitHub Copilot。若 Microsoft 為這個大型模型開放 Foundry 端點,第一個有用的實驗並不是切換,而是分流:把 MAI Code 2 放在價格優勢最大的日常修補流量上,讓經過實測的前沿模型負責重構與長跨度的工作,並在底層以自動容錯移轉作為後盾,使未經驗證的模型永遠不會成為單一失效點。那 40% 值得測試;那 98% 則值得另外在自己的儲存庫上測試,而且要在任何人據此規劃遷移之前先做。