一句话结论:微软在 Ignite 2026 发布的 MAI Code 2,把日常编程模型的单任务成本压到 0.309 美元,约为 GPT-6.1 Sol 的四成、Claude Opus 5.5 的二十分之一,同时保持对方 98% 和 96% 的基准表现。它已在 GitHub Copilot 上线,促销价每百万输入 token 0.50 美元、输出 token 2.50 美元,该价格持续到 2027 年 5 月 17 日。微软没有公布原始分数,全部对比都建立在自家评测平台上,这是最需要留意的口径。
2026 年 11 月 17 日的 Ignite 2026 上,微软 AI 一次放出七款模型,主线只有一个:把 token 单价压到能支撑 24 小时运行的水平。MAI Code 2 和它的轻量版 MAI Code 2 Flash 是其中的编程主力,两款都当天进入 GitHub Copilot。对每天要在 Copilot 里改代码、补测试、读陌生仓库的开发者来说,这是本轮发布里直接影响账单的一项。
微软自己的说法是:MAI Code 2 在四项编程基准平均上达到 GPT-6.1 Sol 的 98%,价格约为其 40%;对 Claude Opus 5.5 达到 96%,价格只有 5%。这个5%的对比最抓眼,也最容易被误读,下面的价格表和测评口径两节会把它拆开。
一次任务 0.309 美元,这个数字怎么来的
微软在发布材料里给了三组单任务成本,都按各自模型当时的价格算:MAI Code 2 是 0.309 美元,GPT-6.1 Sol 是 0.761 美元,Claude Opus 5.5 是 6.306 美元。轻量版 MAI Code 2 Flash 在五折促销价下单任务是 0.052 美元。
把这几个数字排在一起,问题就来了。MAI Code 2 与 GPT-6.1 Sol 的差距是 2.5 倍,与 Claude Opus 5.5 的差距是 20 倍。但微软同时说 Code 2 相对 GPT-6.1 Sol 是40% 的成本,与 Opus 5.5 是5% 的成本,40% 和 5% 都是按每百万 token 的单价算的,单任务成本里混进了推理长度、工具调用次数等由任务本身决定的变量。这两组数字不是矛盾,是两把尺子,一把量单价,一把量一次典型任务的花费。
选模型时该看哪把,取决于你的用量结构。跑 CI 里成百上千次的自动修复、给每个 PR 做一次 review,按单任务成本算更贴近账单。反过来,如果你的任务是长链路智能体,token 消耗本身极大,单价才是主导项。
GitHub Copilot 上的每百万 token 定价
GitHub 官方文档的定价表是唯一公开、可复算的一手数据。Copilot 内的使用量统一折算成 AI credits,1 credit 等于 0.01 美元。下表是 2026 年 11 月 17 日当天的挂牌价,单位为美元每百万 token。
| 模型 | 输入 | 缓存输入 | 输出 | 档位 |
|---|---|---|---|---|
| MAI Code 2 | 0.50 | 0.025 | 2.50 | Powerful |
| MAI Code 2 Flash | 0.05 | 0.005 | 0.25 | Lightweight |
| GPT-6.1 Sol | 2.00 | 0.10 | 10.00 | Powerful |
| GPT-6.2 Sol | 2.00 | 0.10 | 10.00 | Powerful |
| GPT-6 Luna | 0.10 | 0.01 | 0.50 | Lightweight |
| Claude Opus 5.5 | 4.00 | 0.20 | 20.00 | Powerful |
| Claude Haiku 5.5 | 0.10 | 0.01 | 0.50 | Lightweight |
| Gemini 4 Neon | 3.00 | 0.15 | 15.00 | Versatile |
按这张表算,MAI Code 2 的输入单价是 GPT-6.1 Sol 的四分之一,输出单价也是四分之一,这正好对上微软说的40% 的成本。对 Claude Opus 5.5,输入单价是八分之一,输出单价也是八分之一,微软宣传里的5%显然掺了促销折扣,见下一节。MAI Code 2 Flash 则是另一档量级:输入 0.05 美元,是 GPT-6 Luna 的一半、Claude Haiku 5.5 的一半。
单看绝对值,Code 2 的输出价 2.50 美元甚至比 Gemini 4 Neon 的 15 美元低一个数量级,比 Claude Opus 5.5 的 20 美元低八倍。输入输出价差五倍这个结构本身值得注意,长上下文场景里输出往往才是花钱的大头。
基准怎么测的,促销价藏在脚注里
MAI Code 2 的成绩来自四项基准的平均:DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1。微软的脚注交代了测试条件:所有模型都跑在最大推理档位,前三项在微软内部的 MSBench 评测平台上、通过 GitHub Copilot CLI 且不启用子智能体,FrontierCode 的分数和成本数据来自 Artificial Analysis。
脚注里最要紧的一条是,Code 2 的成本按它自己的五折促销价计算。同场的 Flash 也是五折价。这不只是一句宣传词,会改变结论的事实。促销价持续到 2027 年 5 月 17 日,之后 MAI Code 2 涨到每百万输入 1.00 美元、输出 5.00 美元,Flash 涨到 0.10 和 0.50 美元。
把促销价换成挂牌价重算一遍,差距会明显收窄。MAI Code 2 的输出单价变成 GPT-6.1 Sol 的一半,而不是四分之一;相对 Claude Opus 5.5 是四分之一,也不是八分之一或二十分之一。结论方向没变,便宜依然是便宜,但20 倍差距这种说法只在接下来半年成立。做成本承诺时,这个时间点必须写进去。
还有一个方法论上的细节值得留意:微软没有公布四项基准的原始分数,只给了百分比。DeepSWE 1.1 这类基准的绝对分数本身也会变动,百分比对标让人没法复核。相对可信的是 FrontierCode v1.1 那一列,它来自第三方 Artificial Analysis,只是这一项的权重微软没有披露。
前端的偏好测试是另一条独立证据。在一次盲测里,开发者更偏好 MAI Code 2 的产出胜过 GPT-6 Sol 的比例是 64%,覆盖界面、游戏、数据可视化、3D 场景和 SVG 图形,共 258 名标注者参与。Code 2 在做仪表盘和可视化这类前端任务上确实做过专门调优,这个 64% 与之吻合。
Code 2 和 Code 2 Flash 分工怎么定
两款不是大小号关系,适用面被刻意切开了。Code 2 面向复杂软件开发:深度排查程序错误、跨多个文件改代码、理解整个代码仓库、生成界面。Flash 面向高频轻量任务:解释代码、定点修改、修常见问题、快速迭代。
Flash 的成绩用三项基准(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas)报:平均通过率 61.0%,高于 GPT-6 Luna 的 55.1% 和 Claude Haiku 5.5 的 53.9%。成本口径是 GPT-6 Luna 的 65%、Claude Haiku 5.5 的 20%。注意这里 Flash 的成本同样按五折促销价算。
一个容易被忽略的事实是,Copilot 里的 Code 2 Flash 已经不止是 Copilot 的模型。微软从 Code 2 Flash 单独优化出一个 MAI Work Flash,接进 Microsoft 365 和 FabricIQ。官方的分项数据是:Word 任务上表现接近 GPT-6.1 Sol,每次调用输入 token 少用约 42%;Teams 任务上优于 GPT-6 Luna,指令遵循与工具调用的 token 用量最多省 28%;Excel 和 PowerPoint 上与 GPT-6 Luna 打平;FabricIQ 的 DAX 查询生成上超过 GPT-5.6 Sol、GPT-6 Astra 和 Claude Opus 5.5。
这条线的意思是,微软正在用自己的模型替换自己产品里的外部模型调用。同一个逻辑也出现在客户定制侧:AT&T 用自己的数据定制了一个 Code 2 Flash 版本,在 5G 网络运维分析上超过 GPT-6.1 Sol,成本只有五十分之一。微软同期推出 MAI Licensed Weights,把前沿模型放在客户自己的 Azure 环境里跑。
能用在哪,怎么开始用
MAI Code 2 面向 Copilot Pro、Pro+、Max、Business 和 Enterprise 用户,Code 2 Flash 额外覆盖 Free 和 Student 计划。选模型的入口在 VS Code、Visual Studio、JetBrains、Xcode、Copilot CLI 以及 github.com 站内。Code 2 Flash 已在 Microsoft Foundry 限量预览,微软说后续会上 OpenRouter、Vercel、Hermes、OpenCode 和 Kilo。旧的 MAI-Code-1.1-Flash 将在 12 月 18 日从 Copilot 退役。
需要提醒的是边界。微软明确说这两款模型尚未针对基础科学研究和超长程智能体任务调优,这类任务仍属于 GPT-6.2 Astra 和 Claude Fable 5.2 的地盘。选型思路很清楚:日常编码与批量自动修复切到 Code 2 或 Flash,需要长时间自主推进的复杂任务保留前沿模型在链路上。
同场发布的另外几款模型也一并记一下,方便判断这条产品线的走向。MAI Cyber 2 Flash 在 CyberGym-E2E 基准上以 92.3% 略胜 GPT-6 Astra 的 91.5%,单任务成本不到对方 2%,上下文 100 万 token,输出 token 价比上一代 Cyber 1.1 Flash 低 86%,但只在微软安全产品(含 MDASH)独家供应,12 月中旬起向符合条件的客户替换。MAI Image 2.7 拿到 Artificial Analysis 图像编辑榜首,价格约为 GPT Image 2.6 Sunburst 最高档的五分之一。MAI Realtime 1 是首个实时语音到语音模型,起价每音频分钟 0.01 美元。Decision 1.1 负责应用内的模型路由,微软称在 Artificial Analysis 决策指数上领先于 Google 和 OpenAI,比 GPT-6.1 Sol 快 50 倍、便宜 79 倍。硬件侧 Maia 200 进入量产,每瓦 token 产出最高提升 1.7 倍。
常见问题
MAI Code 2 和 GPT-6.1 Sol 该选哪个?
日常编码选 MAI Code 2,输入输出单价都是 GPT-6.1 Sol 的四分之一,基准表现拿到对方 98%,前端的盲测偏好率还高出一截。需要超长程自主推进的任务留给 GPT-6.2 Astra,微软自己写明 Code 2 未针对这类场景调优。
MAI Code 2 Flash 什么时候值得开?
当任务量放大到成本敏感的时候。解释代码、定点修改、修常见问题这类高频轻量活,Flash 的单任务是 0.052 美元,三项基准平均通过率 61.0%,高于 GPT-6 Luna 的 55.1%。它还覆盖 Copilot 的 Free 和 Student 计划,起步门槛最低。
促销价 2027 年 5 月之后还划算吗?
方向不变,幅度会收窄。MAI Code 2 的输出单价将从 2.50 涨到 5.00 美元,相对 GPT-6.1 Sol 变成一半而不是四分之一,相对 Claude Opus 5.5 是四分之一。如果你的用量以输出 token 为主且规模很大,值得现在算一遍 2027 年 5 月之后的账单。
相关阅读
想把价格基准对齐到 OpenAI 那边,GPT-6.2 Astra 怎么选 里列了每百万 token 8 美元的新价与 5.2 个百分点的涨幅,以及它和 Sol 的差别。Anthropic 侧的成本账在 Claude Opus 5.5 提示词怎么改 里,用 effort 档位解释了单次调用成本怎么被推理预算放大。智能体在本地跑起来时,Codex 沙箱怎么配 拆了三个平台的权限模型与端口占用。模型背后的算力账可以看 AI 设计芯片,OpenAI 让 Jalapeño 面积缩了 13%,跑满 9881 次实测。
延伸阅读
- Copilot 按钮回来了:微软修复经典 Outlook 的 AI 入口消失问题4 周前
- 微软推出 Copilot for Legal:超20项法律专用AI技能1 月前
- Claude 桌面端改版:AI 全程参与设计,3 周从草图到上线3 周前
- 微软开源 TokenEconomizer:编码智能体成本降 30.9%3 周前
继续读
往下这几篇值得接着看:
想快速查定义?对应的词条在这里:
- AI Agent词条 · AI 自学笔记
