這是微軟發佈 MAI Code 2 時的頭條比較:自研新模型達到 OpenAI 上一代日常檔 GPT-6.1 Sol 的 98% 性能,成本只要約 40%——但每次引用這句話,都必須帶上口徑:微軟自選基準、50% 推廣價口徑。本篇覈查這句宣稱的每一層含義:98% 是怎麼來的、40% 是怎麼算的、以及微軟官方博客圖表裏那個不太好看的數字。
| 維度 | MAI Code 2 | GPT-6.1 Sol |
|---|---|---|
| 四項基準均值(微軟自報) | GPT-6.1 Sol 的 98%(微軟自選基準、50% 推廣價口徑) | 100(對照基準) |
| 平均通過率(微軟官方博客圖表) | 63.2% | 64.1% |
| 每任務平均成本(微軟官方博客圖表) | $0.309(50% 推廣價口徑) | $0.761 |
| 相對成本 | 約 40%(50% 推廣價口徑) | 100 |
| 上下文窗口 | 1.05M tokens | 1M tokens |
| 知識截止 | 2026 年 8 月前數據(模型卡) | 未在本輪覈查中確認 |
| 獨立評分 | 無(AA、LiveBench、LMArena 均未收錄) | AA 指數 55(v5.0.1,見本站 GPT-6.2 Sol 專題) |
| 可用渠道 | GitHub Copilot | ChatGPT Work、Codex、API、Bedrock、Copilot |
| 權重 | 閉源 | 閉源 |
98% 是四項基準均值的相對值:DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1 四項測試的平均表現,MAI Code 2 達到 GPT-6.1 Sol 的 98%。這四項由微軟挑選,微軟稱其對應「GitHub Copilot 裏常見的日常企業編碼任務」;全部模型以最大推理力度運行;其中三項跑在微軟內部 MSBench 平臺上(經 Copilot CLI、無子智能體),FrontierCode v1.1 的分數與成本來自 Artificial Analysis。微軟沒有公佈四項各自的分數,只給了均值——均值會掩蓋分項差距,無法判斷 MAI Code 2 的短板在哪一項。
微軟官方博客圖表給出了四項基準的平均通過率:MAI Code 2 爲 63.2%,GPT-6.1 Sol 爲 64.1%。也就是說,在絕對通過率上,MAI Code 2 實際略低於 GPT-6.1 Sol——98% 是相對比值(63.2 ÷ 64.1 ≈ 98.6%),不是絕對領先。這個數字的重要性在於:它說明 MAI Code 2 沒有在能力上超越 GPT-6.1 Sol,它的賣點從來不是「更強」,而是「差不多強、便宜得多」。任何把 98% 讀成「幾乎打平、甚至反超」的說法,都是誤讀。
40% 是每任務平均成本的相對值:微軟官方博客圖表給出 MAI Code 2 每任務平均成本 $0.309,GPT-6.1 Sol 爲 $0.761,$0.309 ÷ $0.761 ≈ 40%。但 $0.309 是按 50% 推廣價算出的——對手沒有打折,MAI Code 2 打了五折。推廣結束後,MAI Code 2 的每任務平均成本將升至約 $0.618(按微軟腳註反推,非微軟公佈數字),相對成本從約 40% 升至約 80%。也就是說,推廣期內的成本優勢有一半來自折扣本身。
微軟另有一項 258 人前端盲測:開發者偏好 MAI Code 2 的前端應用產出,勝過 GPT-6 Sol——注意這裏的對照是 GPT-6 Sol(更早一代),不是 GPT-6.1 Sol。但這個數字有三個版本:64%、67%、68% 同時出現在微軟自家帖文裏,產品帖正文寫的是 64%,微軟至今未作統一說明。本站不採信其中任何一個爲定論;它最多說明「前端產出上有人更喜歡 MAI Code 2」,不能換算成與 GPT-6.1 Sol 的能力比較。
能力之外,兩者的可用範圍差距明顯。GPT-6.1 Sol 可走 ChatGPT Work、Codex、API、Bedrock 與 Copilot 五條路;MAI Code 2 只有 GitHub Copilot 一條路,沒有獨立 API、沒有權重、沒有 Foundry 入口。反過來,MAI Code 2 在 Copilot 裏是「自己人」:已加入 Copilot Fusion Standard 檔,Business 與 Enterprise 計劃下默認自動啓用。對 Copilot 重度用戶,MAI Code 2 的集成深度是優勢;對需要 API 或多渠道部署的團隊,GPT-6.1 Sol 仍是更通用的選擇。
日常企業編碼、且主力在 Copilot 裏:MAI Code 2 值得一試——推廣期內每任務成本只有 GPT-6.1 Sol 的約 40%,能力上只低約 2%(按微軟自選基準均值)。但請同時記住三點:第一,平均通過率上它實際略低(63.2% 對 64.1%),不是「更強」;第二,推廣結束後相對成本約 80%,做預算時按這個數字算;第三,全部數字均爲微軟自報,尚無獨立驗證——等 AA 或 LiveBench 收錄後再做最終判斷。需要 API、多渠道部署或獨立評分背書的場景,GPT-6.1 Sol 仍是更穩妥的選擇。
參考來源:Microsoft AI — 產品帖「MAI Code 2 and Code 2 Flash: Everyday coding at scalable prices」 · GitHub Changelog — MAI Code 2 and MAI Code 2 Flash in GitHub Copilot · ai-oriens — MAI Code 2 發佈報道(轉述微軟官方博客圖表)(本文爲本站改寫與整理,事實以官方來源爲準;推廣結束後的相對成本爲本站按微軟腳註的算術反推,非微軟公佈數字)