作者注:MAI Code 2 の「5%コスト」は特定のベンチマークとプロモーション価格を組み合わせた結果です。本記事では原文の定義、価格表、計算式を分解し、あなた自身の実際の請求額を見積もれるようにします。
結論から言うと:MAI Code 2 の「5%コスト」は「すべてのプログラミングタスクで永久に95%節約できる」という意味ではありません。 これは Microsoft が4つのプログラミングベンチマーク、max effort設定において、MAI Code 2 と Opus 5.5 を比較して得られた平均結果であり、しかも MAI 側のコストには 50%プロモーション価格 が使われています。この数字が示すのは「これらのベンチマークで同じタスクを完了するのにいくらかかったか」であり、「トークン単価が相手の5%に過ぎない」ということではありません。プロモーション期間が終了し、あなた自身のコードベースとワークフローに置き換えた後では、比率は変化するため再計算が必要です。
この記事を読むとわかること
- Microsoft 原文における「96%の性能、5%のコスト」の正確な定義と、それが依存するテスト条件。
- GitHub Copilot が公表した MAI Code 2 と MAI Code 2 Flash のプロモーション価格、通常価格、復帰日。
- なぜ「タスクコスト比率」と「トークン単価比率」を相互に置き換えられないのか。
- 検証可能な固定トークン算例と、キャッシュ、リトライ、手戻りが請求額をどう変えるか。
- 「成功タスクコスト」でプログラミングモデルを評価する調達の考え方。
索引: 第一部「客観的事実」では、発表時の定義(1.1)、4つのベンチマーク条件(1.2)、Copilot 価格表(1.3)、プロモーション期間(1.4)、そして2つのコスト概念の違い(1.5)を順に説明し、出典のある情報のみを記載します。第二部「分析と判断」では、私たち編集部の計算と解釈を示します:まず固定トークン算例(2.1)を提示し、次にプロモーション終了後の比率変化を推測し(2.2)、続いてキャッシュ、リトライ、手戻りを分解し(2.3)、最後に成功タスクベースの調達チェックリスト(2.4)と今後の注目点(2.5)を提示します。第二部の費用推測は、明記された公式データに基づくオリジナルの算例であり、実測の請求額ではありません。

To Know:MAI Code 2 のコストを理解するために必要な概念
| 概念 | 概要 |
|---|---|
| MAI Code 2 / MAI Code 2 Flash | Microsoft が 2026 年 11 月 17 日に発表した 2 種類のコーディングモデル。Flash はより軽量で、単価も低い |
| Opus 5.5 | Microsoft が発表の中で比較基準として用いたモデル |
| max effort | 評価時に使用する最高の推論投入レベル。通常、より多くの推論とトークン消費を意味する |
| DeepSWE 1.1、TerminalBench 2.1、SWEAtlas、FrontierCode 1.1 | Microsoft が選んだ 4 つのコーディング系評価 |
| MSBench | Microsoft の社内評価フレームワーク。最初の 3 つの評価はこの中で実行される |
| サブエージェント(subagent) | メインエージェントから派生してサブタスクを処理するエージェント。最初の 3 つの評価では明示的に使用しない |
| キャッシュ入力(cached input) | 繰り返し出現し、キャッシュにヒットできる入力トークン。単価は通常の入力よりはるかに低い |
| AI クレジット | GitHub Copilot の課金単位。1 AI クレジット = 0.01 ドル |
| タスクコスト | 1 つのタスクを完了するために実際に消費する総費用。単価 × 使用量 × 試行回数で決まる |
| トークン単価 | 100 万入力または出力トークンあたりの価格。タスクコストの一要素にすぎない |
MAI Code 2「5%コスト」の影響サマリー
- GitHub Copilot を使う開発者: プロモーション期間中は MAI Code 2 の AI クレジット消費が少なめなので、自分のリポジトリで比較検証するのに向いています。ただしプロモーション価格には期限があるため、その期間の請求額をそのまま長期的な予算と見なすのは避けましょう。
- チームリーダーと調達担当者: 「5%」は注目すべきシグナルとして参考になりますが、そのままコストモデルに組み込むことはできません。自社タスクの成功率、再試行回数、人手によるレビュー時間をもとに、「成功したタスク」あたりのコストを計算すべきです。
- ほかのチャネルからモデルを呼び出す開発者: 本文の料金は GitHub Copilot のレートであり、Azure AI Foundry やその他の API チャネルの料金を表すものではありません。APIYI(apiyi.com)などのアグリゲーションプラットフォームでプログラミングモデルを試す場合は、まずそのプラットフォームが実際にサポートするモデルと課金ルールを確認してください。
- 評価に関心がある研究者: 4つの評価のうち3つは Microsoft 内部のフレームワークで実行されており、ベンダー基準に該当します。独立した再現を待つ必要があります。
一、客観的事実:MAI Code 2「5%コスト」の出典と料金
1.1 MAI Code 2 のリリースと「96% の性能、5% のコスト」という原文の定義
Microsoft は 2026 年 11 月 17 日に MAI Code 2 と MAI Code 2 Flash をリリースしました。発表記事によると、4 つのベンチマークの平均結果において、MAI Code 2 は Opus 5.5 の約 96% の性能を達成し、コストは約 5% になるとされています。
この表現はベンダーが独自に選んだ評価に基づく結論であり、これら 4 つのベンチマークにおける結果を述べたものであって、汎用的なプログラミング能力についての全面的な結論ではありません。発表記事では同時に、MAI 側のコストを計算する際に 50% のプロモーション価格を使用していることも説明されています。
1.2 MAI Code 2 の 4 つの評価とテスト条件
平均に含まれる 4 つの評価とその条件は以下のとおりで、いずれも発表記事で開示された情報です。
- DeepSWE 1.1、TerminalBench 2.1、SWEAtlas:Microsoft 社内の MSBench で実行し、Copilot CLI を併用、サブエージェントは使用しない。
- FrontierCode 1.1:結果は Artificial Analysis によるもの。
- 推論レベル:max effort を使用。
- コストの定義:MAI モデルのコストは 50% のプロモーション価格で計算。
これらの条件が「96%」と「5%」という 2 つの数字を共に決定づけています。推論レベルを変えたり、エージェントフレームワークを変えたり、サブエージェントを有効にしたりすると、トークン使用量や成功率は異なる可能性があります。

1.3 MAI Code 2 の GitHub Copilot における料金表
GitHub の公式ドキュメントには、Copilot における 2 モデルの料率が米ドル/100万トークン単位で記載されています。
| モデル | 料金の種類 | 入力 | キャッシュ入力 | 出力 |
|---|---|---|---|---|
| MAI Code 2 | プロモーション価格 | 0.50 | 0.025 | 2.50 |
| MAI Code 2 | 通常価格 | 1.00 | 0.05 | 5.00 |
| MAI Code 2 Flash | プロモーション価格 | 0.05 | 0.005 | 0.25 |
| MAI Code 2 Flash | 通常価格 | 0.10 | 0.01 | 0.50 |
ここで注意したい点が 2 つあります。まず、これは GitHub Copilot の料率だということです。Copilot は AI credit で課金され、1 AI credit は 0.01 米ドルに相当します。Azure AI Foundry の価格表ではなく、すべての API チャネルの価格を代表するものでもありません。同じドキュメントには Opus 5.5 の価格も掲載されていますが、単価だけではマイクロソフトの評価におけるタスクコストの比率を再現できません。Copilot プランに含まれる枠と超過課金は分けて考える必要があります。以下の米ドル額はトークン料率で換算した利用価値であり、必ずしも追加で請求される金額ではありません。旧年度のリクエスト制プランについては、専用の倍率ルールもあわせて確認してください。
1.4 MAI Code 2 プロモーション価格の有効期間
GitHub のドキュメントによると、2027 年 5 月 17 日から通常価格に戻ります。ただしタイムゾーンの記載がないため、5 月 17 日の当日までプロモーション価格が適用されると断定することはできません。北京時間での具体的な締め切り時刻を独自に換算しないでください。切り替え日が近づいたら、まず GitHub のその時点の請求ルールを確認しましょう。予算を保守的に見積もるなら、この切り替え日をまたぐ利用分は通常価格で先に確保しておくのが安全です。
1.5 MAI Code 2 のタスクコストとトークン単価は別物
「5%コスト」が比較しているのは、評価タスクを完了するまでの総費用です。これは単価に実際に消費したトークン数を掛け、さらにすべてのステップを累積したものになります。2つのモデルが同じ問題を解く場合でも、消費する入力トークンと出力トークンの数は大きく異なることがあります。
したがって、「タスクコストが約5%」ということから「1トークンあたりの価格が相手の5%だ」とは導き出せませんし、逆もまた然りです。これは2つの課金基準に対する編集上の解釈です。
二、分析と判断:MAI Code 2 の実際のタスク請求額をどう分解するか
以下の内容は編集上の分析です。すべての計算例は公開料率に基づく独自の計算であり、明確な仮定を用いています。実際に測定した請求額ではなく、スクリーンショットや実際の呼び出し記録による裏付けもありません。
2.1 MAI Code 2 の固定トークン計算例
あるタスクが 通常入力トークン 10万 + 出力トークン 1万 を固定的に消費すると仮定します。キャッシュなし、リトライなし、ツール呼び出しとサブスクリプション料金は含みません。1.3 節の料率に従って計算します:
- MAI Code 2 プロモ価格:100,000 × 0.50 / 1,000,000 + 10,000 × 2.50 / 1,000,000 = 0.05 + 0.025 = 0.075 ドル
- MAI Code 2 通常価格:0.10 + 0.05 = 0.15 ドル
- MAI Code 2 Flash プロモ価格:0.005 + 0.0025 = 0.0075 ドル
- MAI Code 2 Flash 通常価格:0.01 + 0.005 = 0.015 ドル
| モデルと価格 | 入力費用 | 出力費用 | 1回あたり合計 | AI credit 換算 |
|---|---|---|---|---|
| MAI Code 2 プロモ | $0.05 | $0.025 | $0.075 | 7.5 |
| MAI Code 2 通常 | $0.10 | $0.05 | $0.15 | 15 |
| Flash プロモ | $0.005 | $0.0025 | $0.0075 | 0.75 |
| Flash 通常 | $0.01 | $0.005 | $0.015 | 1.5 |
この表はあくまで「同じ使用量の下で」の価格差を示したものです。実際のタスクでは、2 つのモデルのトークン使用量と成功率は同じではありません。本計算例における Flash の費用は Code 2 の 1/10、つまり 90% 低いという数字ですが、実際に同じタスクを完了する際にも 1/10 のコストしかかからないという意味ではありません。
以下のスクリプトはローカルでの算術計算のみを行い、モデルは一切呼び出しません。input_tokens はキャッシュを含む総入力、cached_tokens はそのうちキャッシュにヒットした部分です。出力にはチャネルが報告する完全な課金出力量を使用してください。他の API チャネルの usage をそのまま Copilot の料率に当てはめて、実際の請求額として扱わないでください。
# ドル / 100万トークン、出典:GitHub Copilot 料率表(あくまで概算の参考)
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
🎯 技術的なアドバイス:コスト評価で最も価値のあるデータは、自分のタスクの
usage記録です。APIYI apiyi.com では同じ Key を使って複数のプログラミングモデルに同じバッチのタスクを実行させ、トークン使用量を集計してから各チャネルの実際の単価を当てはめることができます。なお、MAI Code 2 がこのプラットフォームで呼び出せるかどうかは、プラットフォームのモデル一覧に準じます。
2.2 MAI Code 2 のプロモーション終了後、「5%」はいくらになる可能性があるか
この節は推測であり、公式データではありません。MAI Code 2 の通常価格は、入力・キャッシュ入力・出力の3項目でいずれもプロモーション価格のちょうど2倍です。そのため、Copilot のこの料率基準で、各種トークンの使用量が変わらないという前提では、これら3項目のトークン費用だけが2倍になります。サブスクリプション、ツール、人件費などを含むタスク全体の総コストは、必ずしも2倍になるとは限りません。
Opus 5.5 側のコスト基準が変わらない場合、プロモーション価格で算出した約5%は、通常価格に置き換えるとおおよそ 10% になります。「平均」が項目ごとの比率を平均したものであっても、各項目が2倍になれば平均値も2倍になります。これは依然として非常に低い比率ですが、もはやタイトルに示された数字ではありません。

2.3 MAI Code 2 の実際の請求明細におけるキャッシュ・リトライ・人手による手戻り
固定トークンの算例は料率を比較するために簡略化したケースであり、実際の請求明細は少なくとも3種類の要因の影響を受けます。
キャッシュはコストを押し下げます。 引き続き 2.1 の仮定を用いて、10万入力のうち8万がキャッシュにヒットした場合、MAI Code 2 の販促価格での入力費用は 20,000 × 0.50 / 1,000,000 + 80,000 × 0.025 / 1,000,000 = 0.012 ドルとなり、出力の 0.025 ドルを加えると1回あたり合計で約 0.037 ドル、キャッシュなしの 0.075 ドルと比べて半分程度になります。エージェント型コーディングでは同じリポジトリのコンテキストを繰り返し読み込むため、キャッシュヒット率は入力費用に大きく影響する可能性がありますが、総コストに占める割合は出力やその他の費用にも左右されます。
リトライはコストを押し上げます。 各試行のコストが同一で、成功率が固定され、試行が互いに独立しているという簡略化した仮定の下では、成功したタスク1件あたりのモデル費用の期待値 ≈ 1回の試行コスト ÷ 成功率となります。1回あたり 0.075 ドル、成功率 50% と仮定すると、成功したタスク1件あたり平均で約 0.15 ドルになります。別のモデルがたとえ成功率 90% であっても、その1回あたりのコストと組み合わせて初めて比較でき、成功率だけで安くなるとは断定できません。成功率はあくまで自分自身のテストからしか得られません。本記事ではどのモデルの成功率の数値も示しません。
人手による手戻りは別途に計上すべきです。 エンジニアがコードをレビューし、修正し、ロールバックする時間はトークンの請求明細には現れず、モデル費用を上回る可能性もあります。さらにツール呼び出し、CI 実行、サブスクリプションなどの固定費・変動費も存在します。公式発表はそれらの算入方法を完全には開示しておらず、「5%」をこれらのコストをすべて込みにした割合と見なすことはできません。
| コスト要因 | 請求額への影響方向 | 「5%」に算入されるか | 入手方法 |
|---|---|---|---|
| トークン単価 | 基礎 | はい(販促価格) | チャネル料率表 |
| タスクあたりのトークン使用量 | 双方向 | はい(評価条件下) | usage フィールド |
| キャッシュヒット率 | 低下させる | 評価実行次第 | ログ集計 |
| リトライと失敗タスク | 引き上げる | 不確定 | 自社タスクの成功率 |
| 人によるレビューと手戻り | 引き上げる | 算入方法は完全には開示されていない | 工数記録 |
| ツール呼び出し、サブスクリプション費 | 引き上げる | 算入方法は完全には開示されていない | 請求明細と契約 |
以下の図は別の独立した仮定の算例であり、前述の8万キャッシュのシナリオではありません。キャッシュによって1回あたり $0.075 が $0.015 減って $0.060 になるとします。独立した試行で成功率を 50% に固定すると、モデル費用の期待値は $0.120 となり、さらに成功したタスク1件あたりのツール費 $0.030、人件費 $0.500 を仮定すると、合計は $0.650 になります。すべての数値は合計の算出方法を説明するためのものにすぎません。

2.4 MAI Code 2 の導入検討:成功タスクあたりのコストで評価する
チームにとって重要なのは、「本当に 5% で済むのか」を問い詰めることではなく、シンプルな評価プロセスを確立することです。
- サンプルを選ぶ: 自社リポジトリから代表的な過去タスクを 20〜50 個選び、バグ修正、テスト作成、リファクタリングなどの種類をカバーします。
- 条件を固定する: 推論ティア、エージェントフレームワーク、サブエージェントを有効にするかどうかを統一し、ベンダーの評価基準と混同しないようにします。
- 使用量を記録する: 各呼び出しの入力、キャッシュ入力、出力トークン、試行回数を保存します。
- 成功を判定する: テスト通過と人手によるレビューの二重基準で判定し、手戻りに要した時間を記録します。
- 2 つの価格で試算する: プロモーション価格と通常価格の両方で計算します。2027 年 5 月 17 日をまたぐ予算は、一律で通常価格を用います。
💡 選択のヒント:MAI Code 2 と Flash のどちらを選ぶかは、タスクの難易度によって決まります。簡単なタスクでは Flash の低単価という優位性がはっきりと現れますが、複雑なタスクでは成功率の差が単価の差を打ち消す可能性があります。他の主要なコーディングモデルとも比較したい場合は、APIYI apiyi.com の統一された OpenAI 互換インターフェースを利用すれば、同じタスク群を一括で実行でき、横断的な比較が容易になります。
2.5 MAI Code 2 で今後注目すべき変化
以下の点は、「5%」があなたのシナリオで成立するかどうかに直接影響します。予測ではなく、あくまで観察すべき方向性です。
- 独立した再現: 4項目の評価のうち3項目はマイクロソフト内部のフレームワークによるものです。第三者が公開フレームワークで近い結論を出せるかどうかは、継続的に注目する価値があります。
- 他チャネルの価格設定: 現時点の参考資料は GitHub Copilot の料金のみをカバーしています。Azure AI Foundry やその他のプラットフォームの価格は、それぞれの公式発表に従う必要があります。
- プロモーションの節目: 2027年5月17日以降は通常価格に戻ります(公式にタイムゾーンの記載はありません)。その時点で実際の比率を再計算する必要があります。
まず慣れ親しんだプログラミングモデルで自分のコスト基準を確立したい場合は、APIYI apiyi.com など利用中のチャネルの最新モデルリストと料金を確認してから、同じ条件でのタスク比較を始めましょう。本記事のスクリプトに登場する Copilot の単価は、第三者チャネルの請求額にそのまま使うことはできません。
タイトルに書かれた数字は、ベンダーがどの舞台で好成績を収めたかを教えてくれるにすぎません。あなたの請求書は、自分のリポジトリの中でしか計算できないのです。陸游が『冬夜読書示子聿』に詠んだように、「紙上得来終覚浅、絶知此事要躬行」(紙の上から得た知識は結局浅はかで、このことを本当に理解するには自ら実践するに如かず)なのです。
📚 参考資料
-
Microsoft AI – Introducing MAI Code 2 and MAI Code 2 Flash:リリース告知とベンチマークの評価基準
- リンク: Microsoft 公式リリース告知
- 説明:「96%のパフォーマンス、5%のコスト」という原文の出典。4項目のベンチマーク、max effort、50%のプロモーション価格についての説明を含みます
-
GitHub Docs – Copilot models and pricing:Copilot モデルの料金表
- リンク: GitHub Copilot 公式価格とプロモーション脚注
- 説明:MAI Code 2 と Flash のプロモーション価格、通常価格、復帰日、および AI credit の換算方法
作者: APIYI 技術チーム
技術交流: APIYI 公式サイト apiyi.com のトップページからお気軽にお問い合わせください。そのほかの接続資料は docs.apiyi.com ドキュメントセンターをご覧ください
