ModelBrief · MAI Code 2 · 专题
最后更新 2026-11-20
EN 简体 繁體

MAI Code 2 vs GPT-6.1 Sol:98% 性能约 40% 成本

ModelBrief · 2026-11-20 发布 · 事实核查 2026-11-20 · 参考来源:Microsoft AI 产品帖、GitHub 更新日志

这是微软发布 MAI Code 2 时的头条比较:自研新模型达到 OpenAI 上一代日常档 GPT-6.1 Sol 的 98% 性能,成本只要约 40%——但每次引用这句话,都必须带上口径:微软自选基准、50% 推广价口径。本篇核查这句宣称的每一层含义:98% 是怎么来的、40% 是怎么算的、以及微软官方博客图表里那个不太好看的数字。

对照表

维度MAI Code 2GPT-6.1 Sol
四项基准均值(微软自报)GPT-6.1 Sol 的 98%(微软自选基准、50% 推广价口径)100(对照基准)
平均通过率(微软官方博客图表)63.2%64.1%
每任务平均成本(微软官方博客图表)$0.309(50% 推广价口径)$0.761
相对成本约 40%(50% 推广价口径)100
上下文窗口1.05M tokens1M tokens
知识截止2026 年 8 月前数据(模型卡)未在本轮核查中确认
独立评分无(AA、LiveBench、LMArena 均未收录)AA 指数 55(v5.0.1,见本站 GPT-6.2 Sol 专题)
可用渠道GitHub CopilotChatGPT Work、Codex、API、Bedrock、Copilot
权重闭源闭源

「98%」是什么意思

98% 是四项基准均值的相对值:DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1 四项测试的平均表现,MAI Code 2 达到 GPT-6.1 Sol 的 98%。这四项由微软挑选,微软称其对应「GitHub Copilot 里常见的日常企业编码任务」;全部模型以最大推理力度运行;其中三项跑在微软内部 MSBench 平台上(经 Copilot CLI、无子智能体),FrontierCode v1.1 的分数与成本来自 Artificial Analysis。微软没有公布四项各自的分数,只给了均值——均值会掩盖分项差距,无法判断 MAI Code 2 的短板在哪一项。

平均通过率的真相:63.2% 对 64.1%

微软官方博客图表给出了四项基准的平均通过率:MAI Code 2 为 63.2%,GPT-6.1 Sol 为 64.1%。也就是说,在绝对通过率上,MAI Code 2 实际略低于 GPT-6.1 Sol——98% 是相对比值(63.2 ÷ 64.1 ≈ 98.6%),不是绝对领先。这个数字的重要性在于:它说明 MAI Code 2 没有在能力上超越 GPT-6.1 Sol,它的卖点从来不是「更强」,而是「差不多强、便宜得多」。任何把 98% 读成「几乎打平、甚至反超」的说法,都是误读。

「约 40%」是什么意思

40% 是每任务平均成本的相对值:微软官方博客图表给出 MAI Code 2 每任务平均成本 $0.309,GPT-6.1 Sol 为 $0.761,$0.309 ÷ $0.761 ≈ 40%。但 $0.309 是按 50% 推广价算出的——对手没有打折,MAI Code 2 打了五折。推广结束后,MAI Code 2 的每任务平均成本将升至约 $0.618(按微软脚注反推,非微软公布数字),相对成本从约 40% 升至约 80%。也就是说,推广期内的成本优势有一半来自折扣本身。

盲测:偏好 MAI Code 2,但数字有三个版本

微软另有一项 258 人前端盲测:开发者偏好 MAI Code 2 的前端应用产出,胜过 GPT-6 Sol——注意这里的对照是 GPT-6 Sol(更早一代),不是 GPT-6.1 Sol。但这个数字有三个版本:64%、67%、68% 同时出现在微软自家帖文里,产品帖正文写的是 64%,微软至今未作统一说明。本站不采信其中任何一个为定论;它最多说明「前端产出上有人更喜欢 MAI Code 2」,不能换算成与 GPT-6.1 Sol 的能力比较。

渠道与生态:GPT-6.1 Sol 的地盘更大

能力之外,两者的可用范围差距明显。GPT-6.1 Sol 可走 ChatGPT Work、Codex、API、Bedrock 与 Copilot 五条路;MAI Code 2 只有 GitHub Copilot 一条路,没有独立 API、没有权重、没有 Foundry 入口。反过来,MAI Code 2 在 Copilot 里是「自己人」:已加入 Copilot Fusion Standard 档,Business 与 Enterprise 计划下默认自动启用。对 Copilot 重度用户,MAI Code 2 的集成深度是优势;对需要 API 或多渠道部署的团队,GPT-6.1 Sol 仍是更通用的选择。

怎么选

日常企业编码、且主力在 Copilot 里:MAI Code 2 值得一试——推广期内每任务成本只有 GPT-6.1 Sol 的约 40%,能力上只低约 2%(按微软自选基准均值)。但请同时记住三点:第一,平均通过率上它实际略低(63.2% 对 64.1%),不是「更强」;第二,推广结束后相对成本约 80%,做预算时按这个数字算;第三,全部数字均为微软自报,尚无独立验证——等 AA 或 LiveBench 收录后再做最终判断。需要 API、多渠道部署或独立评分背书的场景,GPT-6.1 Sol 仍是更稳妥的选择。

ModelBrief 的看法:「98% 性能约 40% 成本」这句话本身是真实的微软数字,但它的完整意思是:微软自选四项基准的均值只低 2%、推广价下的成本只有约 40%——而平均通过率上 MAI Code 2 实际略低,推广结束后成本优势减半。这是一笔划算的交易,不是一次超越;按这个理解去选型,才不会被标题数字误导。

参考来源:Microsoft AI — 产品帖「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 发布报道(转述微软官方博客图表)(本文为本站改写与整理,事实以官方来源为准;推广结束后的相对成本为本站按微软脚注的算术反推,非微软公布数字)