作者注:MAI Code 2 的“5%成本”是特定评测加促销价的结果,本文拆开原文口径、报价表和算式,帮你估算自己的真实账单。
直接回答:MAI Code 2 的“5%成本”不是“所有编程任务永久省 95%”。 它是微软在 4 项编程评测、max effort 设置下,把 MAI Code 2 与 Opus 5.5 做对比得出的平均结果,而且 MAI 一侧的成本使用了 50% 促销价。这个数字说明的是“在这几项评测里完成同样任务花了多少钱”,而不是“每个 token 的单价只有对方的 5%”。促销期结束、换成你自己的代码库和工作流之后,比例会发生变化,需要重新计算。
您读完此文能了解到什么?
- 微软原文中“96%表现、5%成本”的确切口径,以及它依赖的测试条件。
- GitHub Copilot 公布的 MAI Code 2 与 MAI Code 2 Flash 促销价、常规价和恢复日期。
- 为什么“任务成本比例”和“token 单价比例”不能互相替换。
- 一组可复核的固定 token 算例,以及缓存、重试、人工返工如何改变账单。
- 一套按“成功任务成本”评估编程模型的采购思路。
索引: 第一部分「客观事实」依次交代发布口径(1.1)、四项评测条件(1.2)、Copilot 报价表(1.3)、促销时间(1.4)以及两种成本概念的区别(1.5),只写有来源的信息。第二部分「分析判断」是我们的编辑计算与解读:先给固定 token 算例(2.1),再推演促销结束后的比例变化(2.2),接着拆解缓存、重试和返工(2.3),最后给出按成功任务采购的检查表(2.4)和后续关注点(2.5)。第二部分的费用推演为基于已注明官方数据的原创算例,不是实测账单。

To Know:理解 MAI Code 2 成本需要的概念
| 概念 | 简要解释 |
|---|---|
| MAI Code 2 / MAI Code 2 Flash | 微软 2026 年 11 月 17 日发布的两款编程模型,Flash 定位更轻量、单价更低 |
| Opus 5.5 | 微软在发布中用作对比基准的模型 |
| max effort | 评测时使用的最高推理投入档位,通常意味着更多推理和 token 消耗 |
| DeepSWE 1.1、TerminalBench 2.1、SWEAtlas、FrontierCode 1.1 | 微软选用的 4 项编程类评测 |
| MSBench | 微软内部评测框架,前三项评测在其中运行 |
| 子代理(subagent) | 由主代理派生出来、处理子任务的代理;前三项评测明确不使用 |
| 缓存输入(cached input) | 重复出现、可命中缓存的输入 token,单价远低于普通输入 |
| AI credit | GitHub Copilot 的计费单位,1 AI credit = 0.01 美元 |
| 任务成本 | 完成一个任务实际消耗的总费用,取决于单价 × 用量 × 尝试次数 |
| token 单价 | 每百万输入或输出 token 的标价,只是任务成本的一个因子 |
MAI Code 2 “5%成本”影响速览
- 使用 GitHub Copilot 的开发者: 促销期内 MAI Code 2 的 AI credit 消耗较低,适合在自己的仓库里做对照测试;但要记住促销价有截止日期,不宜把促销期的账单直接当作长期预算。
- 团队负责人与采购人员: “5%”可以作为关注信号,但不能直接写进成本模型。应以自己任务的成功率、重试次数和人工复核时间为准,计算每个“成功任务”的花费。
- 通过其他渠道调用模型的开发者: 文中报价是 GitHub Copilot 的费率,不代表 Azure AI Foundry 或其他 API 渠道的报价。若在 API易 apiyi.com 等聚合平台测试编程模型,应先核对平台实际支持的模型和计费规则。
- 关注评测的研究者: 4 项评测中有 3 项在微软内部框架运行,属于厂商基准,需要等待独立复现。
一、客观事实:MAI Code 2 “5%成本”的出处与报价
1.1 MAI Code 2 发布与“96%表现、5%成本”的原文口径
微软于 2026 年 11 月 17 日发布 MAI Code 2 和 MAI Code 2 Flash。发布文章称,在四项评测的平均结果上,MAI Code 2 达到 Opus 5.5 约 96% 的表现,成本约为其 5%。
这一表述是厂商自行选取评测得出的结论,描述的是这四项基准上的结果,而不是对通用编程能力的全面结论。发布文章同时说明,计算 MAI 一侧成本时使用的是 50% 的促销价格。
1.2 MAI Code 2 四项评测与测试条件
参与平均的四项评测及条件如下,均为发布文章披露的信息:
- DeepSWE 1.1、TerminalBench 2.1、SWEAtlas:在微软内部的 MSBench 中运行,搭配 Copilot CLI,且不使用子代理。
- FrontierCode 1.1:结果来自 Artificial Analysis。
- 推理档位:使用 max effort。
- 成本口径:MAI 模型的成本按 50% 促销价计算。
这些条件共同决定了“96%”和“5%”两个数字。换一个推理档位、换一个代理框架,或者启用子代理,token 用量和成功率都可能不同。

1.3 MAI Code 2 在 GitHub Copilot 中的报价表
GitHub 官方文档列出了 Copilot 中两款模型的费率,单位为美元每百万 token:
| 模型 | 计价类型 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|---|
| MAI Code 2 | 促销价 | 0.50 | 0.025 | 2.50 |
| MAI Code 2 | 常规价 | 1.00 | 0.05 | 5.00 |
| MAI Code 2 Flash | 促销价 | 0.05 | 0.005 | 0.25 |
| MAI Code 2 Flash | 常规价 | 0.10 | 0.01 | 0.50 |
需要注意两点:这是 GitHub Copilot 的费率,Copilot 用 AI credit 计费,1 AI credit 等于 0.01 美元;它不是 Azure AI Foundry 的报价,也不代表所有 API 渠道的价格。同一文档也列有 Opus 5.5 价格,但仅凭单价不能复原微软评测的任务成本比例。Copilot 套餐内额度与超额付费要分开:下文美元数是按 token 费率折算的用量价值,不一定是新增扣款;旧年度请求制套餐还应核对其专用倍率规则。
1.4 MAI Code 2 促销价的有效时间
GitHub 文档显示,自 2027 年 5 月 17 日起恢复常规价格。文档没有注明时区,因此不能认定 5 月 17 日当天仍享受促销价。不要自行换算成北京时间的具体截止时刻。临近切换日先核对 GitHub 当期账单规则;为保守预算,跨越该节点的用量可先按常规价预留。
1.5 MAI Code 2 的任务成本与 token 单价是两回事
“5%成本”比较的是完成评测任务的总花费,它等于单价乘以实际消耗的 token,再累加所有步骤。两个模型解同一道题,消耗的输入、输出 token 数量可能相差很大。
因此,从“任务成本约为 5%”推不出“每个 token 的价格是对方的 5%”,反过来也一样。这是对两种计费口径的编辑解释。
二、分析判断:MAI Code 2 真实任务账单怎么拆
以下内容为编辑分析。所有算例均为基于公开费率的原创计算,使用了明确的假设,不是实测账单,也没有截图或实际调用记录支撑。
2.1 MAI Code 2 固定 token 算例
假设一个任务固定消耗 10 万普通输入 token + 1 万输出 token,不使用缓存、不重试、不计工具调用和订阅费。按 1.3 节费率计算:
- MAI Code 2 促销价:100,000 × 0.50 / 1,000,000 + 10,000 × 2.50 / 1,000,000 = 0.05 + 0.025 = 0.075 美元
- MAI Code 2 常规价:0.10 + 0.05 = 0.15 美元
- MAI Code 2 Flash 促销价:0.005 + 0.0025 = 0.0075 美元
- MAI Code 2 Flash 常规价:0.01 + 0.005 = 0.015 美元
| 模型与价格 | 输入费用 | 输出费用 | 单次合计 | 折合 AI credit |
|---|---|---|---|---|
| MAI Code 2 促销 | $0.05 | $0.025 | $0.075 | 7.5 |
| MAI Code 2 常规 | $0.10 | $0.05 | $0.15 | 15 |
| Flash 促销 | $0.005 | $0.0025 | $0.0075 | 0.75 |
| Flash 常规 | $0.01 | $0.005 | $0.015 | 1.5 |
这个表格只说明“同样用量下”的价格差异。真实任务中两款模型的 token 用量和成功率并不相同,在本算例中 Flash 的费用为 Code 2 的 1/10,即低 90%,不代表实际完成同一任务也只花 1/10。
下面的脚本仅做本地算术,不调用任何模型。input_tokens 指包含缓存的总输入,cached_tokens 是其中命中缓存的部分;输出应采用渠道报告的完整计费输出量。不要将其他 API 渠道的 usage 直接套入 Copilot 费率当作真实账单。
# 美元 / 百万 token,来源:GitHub Copilot 费率表(仅作估算参考)
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
🎯 技术建议:做成本评估时,最有价值的数据是你自己任务的
usage记录。可以在 API易 apiyi.com 用同一个 Key 对多个编程模型跑同一批任务,汇总 token 用量后再套用各渠道的实际单价;请注意,MAI Code 2 是否可在该平台调用需以平台模型列表为准。
2.2 MAI Code 2 促销结束后“5%”可能变成多少
这一节是推演,不是官方数据。MAI Code 2 的常规价在输入、缓存输入、输出三项上都恰好是促销价的 2 倍,所以在 Copilot 这一费率口径、各类 token 用量不变的前提下,仅这三项 token 费用会翻倍;含订阅、工具、人工等的完整任务总成本不一定翻倍。
如果 Opus 5.5 一侧的成本口径保持不变,那么以促销价算出的约 5%,换成常规价后大约会变为 10%。即便“平均”是逐项比例再取平均,每一项都翻倍,平均值同样翻倍。这仍是一个很低的比例,但已经不是标题里的数字。

2.3 MAI Code 2 真实账单中的缓存、重试与人工返工
固定 token 算例是为比较费率而简化的情况,真实账单至少还会受到三类因素影响。
缓存会压低成本。 继续用 2.1 的假设,如果 10 万输入中有 8 万命中缓存,MAI Code 2 促销价下的输入费用变为 20,000 × 0.50 / 1,000,000 + 80,000 × 0.025 / 1,000,000 = 0.012 美元,加上输出 0.025 美元,单次合计约 0.037 美元,比无缓存的 0.075 美元低一半左右。代理式编程会反复读取同一仓库上下文,缓存命中率可能明显影响输入费用,但其占总成本的比例还取决于输出及其他费用。
重试会抬高成本。 在每次尝试成本相同、成功概率固定且尝试相互独立的简化假设下:每个成功任务的期望模型费用 ≈ 单次尝试成本 ÷ 成功率。假设单次 0.075 美元、成功率 50%,那么平均每个成功任务约 0.15 美元;另一个模型即便成功率为 90%,也必须结合其单次成本才能比较,不能仅凭成功率断定更省钱。成功率只能来自你自己的测试,本文不给任何模型的成功率数字。
人工返工应单独核算。 工程师审阅、修改、回滚代码的时间不出现在 token 账单里,可能高于模型费用。此外还有工具调用、CI 运行和订阅等固定或变动开销;官方公告没有完整披露它们的纳入方式,不能把“5%”当作这些成本全部打包后的比例。
| 成本因素 | 对账单的方向 | 是否计入“5%” | 获取方式 |
|---|---|---|---|
| token 单价 | 基础 | 是(促销价) | 渠道费率表 |
| 每任务 token 用量 | 双向 | 是(评测条件下) | usage 字段 |
| 缓存命中率 | 降低 | 取决于评测运行 | 日志统计 |
| 重试与失败任务 | 升高 | 不确定 | 自有任务成功率 |
| 人工审阅与返工 | 升高 | 未披露完整核算方式 | 工时记录 |
| 工具调用、订阅费 | 升高 | 未披露完整核算方式 | 账单与合同 |
下图是另一组独立的假设算例,并非上文 8 万缓存的场景:设缓存使每次 $0.075 减少 $0.015,变为 $0.060;在独立尝试、固定 50% 成功率下,期望模型费用为 $0.120,再假设每个成功任务工具费 $0.030、人工费 $0.500,合计 $0.650。所有数值仅用于解释加总方式。

2.4 用 MAI Code 2 做采购:按成功任务成本评估
对团队来说,与其追问“是不是只要 5%”,不如建立一个简单的评测流程:
- 选样本: 从自己的仓库挑 20 到 50 个有代表性的历史任务,覆盖修 bug、写测试、重构等类型。
- 固定条件: 统一推理档位、代理框架和是否启用子代理,避免与厂商评测口径混淆。
- 记录用量: 保存每次调用的输入、缓存输入、输出 token 和尝试次数。
- 判定成功: 用测试通过和人工审阅双重标准判定,记录返工时长。
- 双价测算: 同时按促销价和常规价算一遍,跨越 2027 年 5 月 17 日的预算一律用常规价。
💡 选择建议:MAI Code 2 与 Flash 的取舍取决于任务难度。简单任务中 Flash 的低单价优势明显,复杂任务中成功率差异可能抵消单价差异。如果你还需要对照其他主流编程模型,可以借助 API易 apiyi.com 的统一 OpenAI 兼容接口批量跑同一组任务,便于横向比较。
2.5 MAI Code 2 后续值得关注的变化
以下几点会直接影响“5%”能否在你的场景里成立,属于观察方向而非预测结论:
- 独立复现: 4 项评测中 3 项来自微软内部框架,第三方是否在公开框架下得出相近结论,值得持续关注。
- 其他渠道定价: 目前参考资料只覆盖 GitHub Copilot 费率,Azure AI Foundry 或其他平台的价格需以各自官方公告为准。
- 促销节点: 自 2027 年 5 月 17 日起恢复常规价(官方未注明时区),届时实际比例需要重新核算。
如果你想先在熟悉的编程模型上建立自己的成本基线,可先核对 API易 apiyi.com 等所用渠道的当前模型列表与费率,再建立同口径的任务对比。本文脚本中的 Copilot 单价不能直接用作第三方渠道账单。
标题里的数字只能告诉你厂商在哪片场地上跑出了好成绩,你的账单要在自己的仓库里才能算清。正如陆游在《冬夜读书示子聿》中所写:“纸上得来终觉浅,绝知此事要躬行。”
📚 参考资料
-
Microsoft AI – Introducing MAI Code 2 and MAI Code 2 Flash:发布公告与评测口径
- 链接: 微软官方发布公告
- 说明: “96%表现、5%成本”的原文出处,含四项评测、max effort 与 50% 促销价说明
-
GitHub Docs – Copilot models and pricing:Copilot 模型费率
- 链接: GitHub Copilot 官方价格与促销脚注
- 说明: MAI Code 2 与 Flash 的促销价、常规价、恢复日期及 AI credit 换算
作者: APIYI 技术团队
技术交流: 欢迎在 API易 官网 apiyi.com 首页联系我们,更多接入资料可访问 docs.apiyi.com 文档中心
