¿Cómo se calcula el «costo del 5%» de MAI Code 2? Desglose de 4 evaluaciones, precio promocional del 50% y facturación de tareas reales

¿Cómo se calcula el «costo del 5%» de MAI Code 2? Desglose de 4 evaluaciones, precio promocional del 50% y facturación de tareas reales

Nota del autor: El «5 % de costo» de MAI Code 2 es el resultado de una evaluación específica combinada con un precio promocional. Este artículo desglosa el criterio del texto original, la tabla de precios y las fórmulas para ayudarte a estimar tu factura real.

Respuesta directa: el «5 % de costo» de MAI Code 2 no significa «ahorrar 95 % para siempre en todas las tareas de programación». Es el resultado promedio que Microsoft obtuvo al comparar MAI Code 2 con Opus 5.5 en 4 evaluaciones de programación bajo la configuración max effort, y además, del lado de MAI, el costo se calculó con el precio promocional del 50 %. Este número indica «cuánto costó completar las mismas tareas en estas evaluaciones», no que «el precio unitario por token sea solo el 5 % del otro modelo». Cuando termine el periodo promocional y uses tu propia base de código y flujo de trabajo, la proporción cambiará y tendrás que recalcularla.

¿Qué aprenderás al leer este artículo?

  • El criterio exacto de «96 % de rendimiento, 5 % de costo» en el texto original de Microsoft, y las condiciones de prueba de las que depende.
  • Los precios promocionales, precios regulares y fechas de vuelta al precio regular que GitHub Copilot publicó para MAI Code 2 y MAI Code 2 Flash.
  • Por qué «la proporción de costo por tarea» y «la proporción de precio por token» no son intercambiables.
  • Un conjunto de cálculos reproducibles con tokens fijos, y cómo la caché, los reintentos y el retrabajo manual modifican la factura.
  • Un enfoque de compra para evaluar modelos de programación según «el costo por tarea exitosa».

Índice: La primera parte, «Hechos objetivos», expone en orden el criterio del anuncio (1.1), las condiciones de las cuatro evaluaciones (1.2), la tabla de precios de Copilot (1.3), las fechas de la promoción (1.4) y la diferencia entre ambos conceptos de costo (1.5); solo incluye información con fuentes. La segunda parte, «Análisis y criterio», contiene nuestros cálculos e interpretación editorial: primero, un ejemplo de cálculo con tokens fijos (2.1); luego, una proyección del cambio de proporción después de la promoción (2.2); después, un desglose de caché, reintentos y retrabajo (2.3); y, al final, una lista de verificación para comprar según tareas exitosas (2.4) y los puntos a seguir observando (2.5). Las proyecciones de costo de la segunda parte son cálculos originales basados en datos oficiales citados; no son facturas reales medidas.

mai-code-2-5-percent-cost-pricing-breakdown-es-image-0


Para saber: conceptos necesarios para entender el costo de MAI Code 2

Concepto Explicación breve
MAI Code 2 / MAI Code 2 Flash Dos modelos de programación lanzados por Microsoft el 17 de noviembre de 2026; Flash es más ligero y tiene un precio unitario más bajo.
Opus 5.5 Modelo que Microsoft usa como referencia comparativa en el anuncio.
max effort Nivel máximo de esfuerzo de razonamiento utilizado en las evaluaciones; normalmente implica más razonamiento y consumo de tokens.
DeepSWE 1.1, TerminalBench 2.1, SWEAtlas, FrontierCode 1.1 Las cuatro evaluaciones de programación elegidas por Microsoft.
MSBench Marco de evaluación interno de Microsoft, donde se ejecutan las tres primeras evaluaciones.
Subagente (subagent) Agente derivado del agente principal para encargarse de subtareas; las tres primeras evaluaciones indican explícitamente que no lo utilizan.
Entrada en caché (cached input) Tokens de entrada que se repiten y pueden servirse desde la caché; su precio unitario es mucho más bajo que el de la entrada normal.
AI credit Unidad de facturación de GitHub Copilot: 1 AI credit = 0,01 USD.
Costo de la tarea Gasto total real para completar una tarea; depende del precio unitario × uso × número de intentos.
Precio unitario por token Precio de lista por cada millón de tokens de entrada o salida; es solo uno de los factores del costo de la tarea.

Vista rápida del impacto del «5% de coste» de MAI Code 2

  • Desarrolladores que usan GitHub Copilot: durante el periodo de promoción, MAI Code 2 consume menos créditos de AI, lo que viene bien para hacer pruebas comparativas en tus propios repositorios; pero ojo, el precio promocional tiene fecha límite, así que no conviene tomar la factura de la promo como presupuesto a largo plazo.
  • Responsables de equipo y compras: ese «5%» sirve como señal para estar atentos, pero no para meterlo tal cual en el modelo de costes. Hay que calcular el gasto por «tarea exitosa» a partir de la tasa de éxito en tus tareas, los reintentos y el tiempo de revisión manual.
  • Desarrolladores que invocan modelos por otros canales: los precios citados en el artículo son las tarifas de GitHub Copilot y no representan las de Azure AI Foundry ni las de otros canales de API. Si pruebas modelos de programación en plataformas agregadoras como APIYI apiyi.com, comprueba antes qué modelos soporta realmente la plataforma y cómo factura.
  • Investigadores que siguen las evaluaciones: 3 de las 4 evaluaciones se ejecutaron en el framework interno de Microsoft, así que son benchmarks del fabricante; toca esperar a que se reproduzcan de forma independiente.

I. Hechos objetivos: de dónde sale el «5% de coste» de MAI Code 2 y su precio

1.1 Lanzamiento de MAI Code 2 y la formulación original de «96% de rendimiento, 5% de costo»

Microsoft lanzó MAI Code 2 y MAI Code 2 Flash el 17 de noviembre de 2026. El artículo de lanzamiento afirma que, en el promedio de cuatro evaluaciones, MAI Code 2 alcanza aproximadamente el 96% del rendimiento de Opus 5.5, con un costo de aproximadamente el 5% del de Opus 5.5.

Esta afirmación es una conclusión basada en evaluaciones seleccionadas por el propio fabricante; describe los resultados en estos cuatro benchmarks, no una conclusión integral sobre la capacidad general de programación. El artículo de lanzamiento también aclara que, al calcular el costo del lado de MAI, se utilizó el precio promocional del 50%.

1.2 Las cuatro evaluaciones de MAI Code 2 y las condiciones de prueba

Las cuatro evaluaciones que entran en el promedio y sus condiciones son las siguientes, todas divulgadas en el artículo de lanzamiento:

  1. DeepSWE 1.1, TerminalBench 2.1, SWEAtlas: se ejecutan en MSBench, la plataforma interna de Microsoft, junto con Copilot CLI y sin subagentes.
  2. FrontierCode 1.1: los resultados provienen de Artificial Analysis.
  3. Nivel de razonamiento: se utiliza max effort.
  4. Criterio de costo: el costo de los modelos MAI se calcula con el precio promocional del 50%.

Estas condiciones determinan conjuntamente las cifras «96%» y «5%». Si se cambia el nivel de razonamiento, se cambia el framework de agentes o se habilitan subagentes, tanto el uso de tokens como la tasa de éxito podrían variar.

mai-code-2-5-percent-cost-pricing-breakdown-es-image-1

1.3 Tabla de tarifas de MAI Code 2 en GitHub Copilot

La documentación oficial de GitHub enumera las tarifas de dos modelos en Copilot, en dólares por millón de tokens:

Modelo Tipo de tarifa Entrada Entrada en caché Salida
MAI Code 2 Precio promocional 0.50 0.025 2.50
MAI Code 2 Precio regular 1.00 0.05 5.00
MAI Code 2 Flash Precio promocional 0.05 0.005 0.25
MAI Code 2 Flash Precio regular 0.10 0.01 0.50

Hay que tener en cuenta dos cosas: estas son las tarifas de GitHub Copilot, que factura mediante AI credits, y 1 AI credit equivale a 0.01 dólares; no son las tarifas de Azure AI Foundry ni representan el precio de todos los canales de API. El mismo documento también incluye el precio de Opus 5.5, pero con solo el precio unitario no se puede reconstruir la proporción de costes por tarea de la evaluación de Microsoft. Hay que distinguir entre la cuota incluida en el plan de Copilot y el pago por exceso: las cifras en dólares que aparecen más abajo son el valor de consumo calculado según la tarifa por token, no necesariamente un cargo adicional; los planes antiguos basados en solicitudes anuales también deberían revisar sus reglas específicas de multiplicadores.

1.4 Vigencia del precio promocional de MAI Code 2

La documentación de GitHub indica que el precio regular se restablece a partir del 17 de mayo de 2027. La documentación no especifica la zona horaria, por lo que no se puede dar por hecho que el 17 de mayo todavía se aplique el precio promocional. No calcules por tu cuenta el momento exacto de corte en hora de Beijing. Antes de acercarse la fecha de cambio, comprueba primero las reglas de facturación vigentes de GitHub; para presupuestar de forma conservadora, el consumo que cruce ese punto puede reservarse inicialmente al precio regular.

1.5 El costo de la tarea de MAI Code 2 y el precio unitario por token son dos cosas distintas

El “5% de costo” compara el gasto total necesario para completar la tarea de evaluación. Ese gasto equivale al precio unitario multiplicado por los tokens realmente consumidos y luego se suman todos los pasos. Cuando dos modelos resuelven el mismo problema, la cantidad de tokens de entrada y salida que consumen puede variar mucho.

Por lo tanto, de “el costo de la tarea es aproximadamente 5%” no se deduce que “el precio de cada token sea 5% del que cobra el otro”, ni al contrario. Esta es una explicación editorial de dos criterios de facturación.


II. Análisis y criterio: cómo desglosar la factura real de tareas de MAI Code 2

El contenido siguiente es un análisis editorial. Todos los ejemplos de cálculo son cálculos originales basados en tarifas públicas, con supuestos explícitos; no son facturas obtenidas de mediciones reales, ni están respaldados por capturas de pantalla o registros de invocaciones reales.

2.1 Ejemplo de cálculo con tokens fijos de MAI Code 2

Supongamos que una tarea consume de forma fija 100 000 tokens de entrada normales + 10 000 tokens de salida, sin usar caché, sin reintentos y sin contar llamadas a herramientas ni cuotas de suscripción. Calculando según las tarifas de la sección 1.3:

  • Precio promocional de MAI Code 2: 100,000 × 0.50 / 1,000,000 + 10,000 × 2.50 / 1,000,000 = 0.05 + 0.025 = 0.075 USD
  • Precio normal de MAI Code 2: 0.10 + 0.05 = 0.15 USD
  • Precio promocional de MAI Code 2 Flash: 0.005 + 0.0025 = 0.0075 USD
  • Precio normal de MAI Code 2 Flash: 0.01 + 0.005 = 0.015 USD
Modelo y precio Coste de entrada Coste de salida Total por vez Equivalente en AI credit
MAI Code 2 promocional $0.05 $0.025 $0.075 7.5
MAI Code 2 normal $0.10 $0.05 $0.15 15
Flash promocional $0.005 $0.0025 $0.0075 0.75
Flash normal $0.01 $0.005 $0.015 1.5

Esta tabla solo muestra la diferencia de precio «con el mismo consumo». En tareas reales, el consumo de tokens y la tasa de éxito de los dos modelos no son iguales; en este ejemplo, el coste de Flash es 1/10 del de Code 2, es decir, un 90 % menos, lo que no significa que completar la misma tarea real cueste también solo 1/10.

El siguiente script solo hace aritmética local, sin invocar ningún modelo. input_tokens se refiere al total de entrada, incluida la caché, y cached_tokens es la parte que acierta en la caché; para la salida debe usarse la cantidad facturable completa que reporta el canal. No tomes el usage de otros canales de API y lo apliques directamente a las tarifas de Copilot como si fuera una factura real.

 # USD / millón de tokens, fuente: tabla de tarifas de GitHub Copilot (solo como referencia estimativa)
RATES = {
    "mai-code-2-promo":   {"input": 0.50, "cached": 0.025, "output": 2.50},
    "mai-code-2-regular": {"input": 1.00, "cached": 0.05,  "output": 5.00},
    "flash-promo":        {"input": 0.05, "cached": 0.005, "output": 0.25},
    "flash-regular":      {"input": 0.10, "cached": 0.01,  "output": 0.50},
}

def estimate_cost(rate_key, input_tokens, output_tokens, cached_tokens=0):
    r = RATES[rate_key]
    if not 0 <= cached_tokens <= input_tokens or output_tokens < 0:
        raise ValueError("token 数必须非负,且缓存量不能超过总输入")
    normal = input_tokens - cached_tokens
    return (normal * r["input"] + cached_tokens * r["cached"]
            + output_tokens * r["output"]) / 1_000_000

print(estimate_cost("mai-code-2-promo", 100_000, 10_000))  # 0.075

print(estimate_cost("mai-code-2-promo", 100_000, 10_000, 80_000))  # 0.037

🎯 Consejo técnico: a la hora de estimar costes, el dato más valioso son los registros de usage de tus propias tareas. Puedes usar la misma clave APIYI en apiyi.com para ejecutar el mismo lote de tareas con varios modelos de programación, sumar el consumo de tokens y después aplicar el precio unitario real de cada canal; ten en cuenta que la posibilidad de invocar MAI Code 2 en esa plataforma depende de la lista de modelos que publica la propia plataforma.

2.2 ¿En cuánto podría convertirse el «5 %» cuando termine la promoción de MAI Code 2?

Esta sección es una proyección, no datos oficiales. El precio habitual de MAI Code 2 es exactamente el doble del precio promocional en los tres conceptos —entrada, entrada cacheada y salida—, así que, con la misma estructura de tarifas de Copilot y suponiendo que el uso de tokens de cada tipo no cambia, solo el coste de esos tres tipos de tokens se duplicará; el coste total de una tarea completa, que incluye suscripción, herramientas, trabajo humano, etc., no necesariamente se duplica.

Si el criterio de costes del lado de Opus 5.5 se mantiene igual, entonces el aproximadamente 5 % calculado con el precio promocional pasaría a ser alrededor del 10 % con el precio habitual. Incluso si el «promedio» se obtiene calculando primero la proporción de cada partida y luego promediándolas, como cada partida se duplica, el promedio también se duplica. Sigue siendo una proporción muy baja, pero ya no es la cifra del titular.

mai-code-2-5-percent-cost-pricing-breakdown-es-image-2

2.3 Caché, reintentos y retrabajo manual en la factura real de MAI Code 2

El ejemplo de cálculo con tokens fijos es un caso simplificado pensado para comparar tarifas; la factura real se verá afectada al menos por tres tipos de factores.

La caché reduce el costo. Siguiendo con los supuestos de 2.1, si 80,000 de los 100,000 tokens de entrada aciertan la caché, el costo de entrada con el precio promocional de MAI Code 2 pasa a ser 20,000 × 0.50 / 1,000,000 + 80,000 × 0.025 / 1,000,000 = 0.012 USD; sumando 0.025 USD de salida, el total por invocación ronda los 0.037 USD, aproximadamente la mitad de los 0.075 USD sin caché. La programación agéntica relee una y otra vez el mismo contexto del repositorio, así que la tasa de aciertos de caché puede influir de forma notable en el costo de entrada, pero su proporción dentro del costo total depende también de la salida y de otros gastos.

Los reintentos encarecen. Bajo el supuesto simplificado de que cada intento cuesta lo mismo, la probabilidad de éxito es fija y los intentos son independientes entre sí: el costo esperado del modelo por tarea exitosa ≈ costo por intento ÷ tasa de éxito. Suponiendo 0.075 USD por intento y una tasa de éxito del 50 %, el promedio por tarea exitosa sería de unos 0.15 USD; otro modelo, aunque tuviera una tasa de éxito del 90 %, solo puede compararse combinando también su costo por intento, y no se puede concluir que ahorra más solo por la tasa de éxito. Las tasas de éxito solo pueden venir de tus propias pruebas; este artículo no ofrece cifras de tasa de éxito de ningún modelo.

El retrabajo manual debe contabilizarse por separado. El tiempo que los ingenieros dedican a revisar, modificar y revertir código no aparece en la factura de tokens, y puede ser superior al costo del modelo. Además están los gastos fijos o variables por llamadas a herramientas, ejecuciones de CI y suscripciones; el anuncio oficial no detalla por completo cómo se incorporan, así que no hay que tomar “5%” como la proporción de todos esos costos empaquetados.

Factor de costo Dirección sobre la factura ¿Cuenta para el “5%”? Cómo obtenerlo
Precio unitario por token Base Sí (precio promocional) Tabla de tarifas del proveedor
Uso de tokens por tarea Bidireccional Sí (bajo condiciones de evaluación) Campo usage
Tasa de aciertos de caché Reduce Depende de la ejecución de la evaluación Estadísticas de logs
Reintentos y tareas fallidas Eleva Incierto Tasa de éxito de tus propias tareas
Revisión y retrabajo manual Eleva No se detalla el cálculo completo Registro de horas
Llamadas a herramientas, suscripciones Eleva No se detalla el cálculo completo Facturas y contratos

La siguiente figura es otro conjunto independiente de ejemplos hipotéticos, no corresponde al escenario de 80,000 tokens en caché del texto anterior: supongamos que la caché reduce de $0.075 a $0.060 por intento, es decir, $0.015 menos; con intentos independientes y una tasa de éxito fija del 50 %, el costo esperado del modelo es $0.120, y suponiendo además $0.030 de herramientas y $0.500 de mano de obra por tarea exitosa, el total es $0.650. Todos los valores solo sirven para explicar la forma de sumar.

mai-code-2-5-percent-cost-pricing-breakdown-es-image-3

2.4 Evaluar la compra de MAI Code 2 según el costo por tarea exitosa

Para el equipo, en lugar de preguntarse «¿de verdad es solo un 5%?», conviene establecer un proceso de evaluación sencillo:

  1. Elige la muestra: selecciona de tu propio repositorio entre 20 y 50 tareas históricas representativas, que cubran corrección de bugs, escritura de tests, refactorización, etc.
  2. Fija las condiciones: usa el mismo nivel de razonamiento, el mismo framework de agentes y la misma configuración de subagentes (activados o no), para no mezclar criterios con los de la evaluación del proveedor.
  3. Registra el consumo: guarda los tokens de entrada, de entrada en caché y de salida de cada llamada, además del número de intentos.
  4. Determina el éxito: valóralo con un doble criterio —que pasen las pruebas y la revisión humana— y registra el tiempo de retrabajo.
  5. Calcula con ambos precios: haz el cálculo tanto con el precio promocional como con el precio regular; para presupuestos que crucen el 17 de mayo de 2027, usa siempre el precio regular.

💡 Recomendación: La decisión entre MAI Code 2 y Flash depende de la dificultad de la tarea. En tareas simples, la ventaja de Flash por su menor precio unitario es clara; en tareas complejas, la diferencia en la tasa de éxito puede compensar la diferencia de precio unitario. Si además quieres comparar con otros modelos de programación populares, puedes usar la interfaz unificada compatible con OpenAI de APIYI apiyi.com para ejecutar por lotes el mismo conjunto de tareas y facilitar la comparación.

2.5 Cambios de MAI Code 2 que conviene seguir de cerca

Los siguientes puntos afectarán directamente si ese “5%” se cumple en tu caso. Son aspectos a observar, no conclusiones predictivas:

  • Reproducción independiente: 3 de las 4 evaluaciones provienen de frameworks internos de Microsoft. Vale la pena seguir de cerca si terceros llegan a conclusiones similares usando frameworks públicos.
  • Precios en otros canales: por ahora, las referencias solo cubren las tarifas de GitHub Copilot. Los precios de Azure AI Foundry u otras plataformas deben consultarse en sus anuncios oficiales.
  • Momento promocional: a partir del 17 de mayo de 2027 se restablece el precio habitual (la fuente oficial no especifica la zona horaria). En ese momento habrá que recalcular el porcentaje real.

Si quieres establecer primero tu propia línea base de costos con el modelo de codificación que ya conoces, puedes revisar la lista actual de modelos y tarifas del canal que uses, como APIYI apiyi.com, y luego montar una comparación de tareas con los mismos criterios. El precio unitario de Copilot que aparece en el script de este artículo no sirve directamente como factura de un canal de terceros.

El número del título solo te dice en qué terreno un proveedor logró buenos resultados; tu factura solo se puede calcular con claridad dentro de tu propio repositorio. Como escribió Lu You en “Leyendo de noche en invierno para mostrar a Ziyu”: “Lo que se aprende en el papel siempre se siente superficial; para saberlo de verdad, hay que practicarlo”.


📚 Referencias

  1. Microsoft AI – Introducing MAI Code 2 and MAI Code 2 Flash: anuncio de lanzamiento y criterios de evaluación

    • Enlace: anuncio oficial de Microsoft
    • Descripción: fuente original de la afirmación «96 % de rendimiento, 5 % del costo»; incluye las cuatro evaluaciones, el max effort y la explicación del precio promocional del 50 %
  2. GitHub Docs – Copilot models and pricing: tarifas de los modelos de Copilot


Autor: equipo técnico de APIYI
Intercambio técnico: puedes contactarnos desde la página de inicio de apiyi.com, el sitio oficial de APIYI; para más material de integración, visita el centro de documentación docs.apiyi.com

Artículos relacionados

Publicaciones Similares