微软MAI七款模型比价OpenAI与Anthropic:98%编码性能只花40%价格?

资讯 AI 科技快讯 作者:赢政天下 全文 2700 字 · 约 7 分钟读完 配图 3 张 分类ClaudeOpusGPTGPT-6.1微软Anthropic

微软在Ignite 2026大会上一次性推出七款MAI系列模型,宣称MAI Code 2以GPT-6.1 Sol 40%的价格达到98%的编码性能,以Claude Opus 5.5 5%的价格达到96%性能。这是微软首次将自有模型与OpenAI、Anthropic旗舰型号正面比价。但调查发现,四项基准测试中有

所属频道 大厂动态ChatGPT 与 GPTClaude 与 Anthropic
在Ignite 2026大会上,微软一口气亮出七款MAI系列模型,并称MAI Code 2用GPT-6.1 Sol 40%的价格拿到98%的编码性能,用Claude Opus 5.5 5%的价格拿到96%的性能。把自家模型与OpenAI、Anthropic的旗舰型号摆在一起正面比价,这在微软还是头一回。不过调查发现,四项基准测试中有

2026年11月17日,旧金山Ignite大会,微软一次性发布七款MAI系列模型,涉及代码、安全、图像、语音、转录和任务路由等方向。发布会的核心动作,是微软历史上第一次拿自有模型与OpenAI、Anthropic的旗舰产品直接比价,而且给出了具体数字、具体基准、具体价格。

微软官方发布的数据显示,MAI Code 2在四项编码基准测试上的平均通过率为63.2%,每任务成本0.309美元;GPT-6.1 Sol通过率64.1%,每任务成本0.761美元;Claude Opus 5.5通过率65.3%,每任务成本6.306美元。微软由此得出“98%性能、40%价格”和“96%性能、5%价格”的结论。

数字背后的两层隐患

这组数字看上去很有吸引力。但据unite.ai报道,把这份基准测试仔细看一遍,会发现两个结构性问题。

其一,四项测试里的三项——DeepSWE 1.1、Terminal-Bench 2.1和SWE Atlas——跑在MSBench上,而MSBench是微软自家的内部评估平台。唯一来自第三方的评测框架是Scale AI的FrontierCode v1.1。也就是说,微软既下场参赛,又占了裁判席上的多数位置。

其二,定价比较引用的是当前促销期的折扣价,折扣幅度为50%。换句话说,“Claude Opus 5.5价格是MAI Code 2二十倍”这个比值,分母本身还没有固化成正式标价。

这并不是说MAI Code 2性能差。对比数字显示,三款模型的通过率其实挤在63%至65%这个窄区间里,差距只有两个百分点,价格差距却高达二十倍。性价比的逻辑本身站得住——但这套逻辑取决于所选基准对真实工程任务有多大代表性。

图像模型给出了另一种示范

与代码模型的情况不同,MAI Image 2.7在第三方评测上交出了可查证的成绩。据Artificial Analysis发布的AA-Image-Editing v2.1排行榜(2026年11月16日快照),MAI Image 2.7以1215 Elo积分排在榜首,比GPT Image 2.6 Sunburst(max版本)高出4个Elo分,微弱领先,参与投票数达5478票。同一时期在Arena榜单上,MAI也进入了图像编辑前两名。

这个结果的意义在于:Artificial Analysis和Arena都是独立评测机构,排名来自公开众测,而不是厂商自己提交。图像模型的第一名头衔,是在微软可控范围之外拿到的。

两种模型,两条验证路径,同一次发布内部由此呈现出信息不对称。

微软为何要自建基准生态

从战略角度看,微软放着SWE-bench等公认标准基准不用,选择MSBench,并不是偶然疏漏。公认基准的问题在于,结果通常由外部社区维护,测试协议、模型版本和评分方法都不在微软手里。而当竞品能以同等设置参加测试时,微软的相对优势还成不成立,就成了一个公开问题。

自建基准就不一样了。测试集由微软挑,测试工具(如Copilot CLI)由微软选,评分标准也由微软定,然后以“我们的测试”的名义发布结论,同时把结论包装成跨模型的横向比较。这是一种形式上客观、逻辑上封闭的信息策略——读者看到的是数字,数字可不可信,则取决于读者对测试设计者的信任。

从产品侧看,这七款模型已经全线集成进GitHub Copilot,并计划上架OpenRouter、Vercel等第三方平台。真实工程师在真实项目里用完之后的口碑,会在未来数周内形成另一组数据,与官方基准并行——而那组数据不经过微软过滤。

企业采购视角:成本逻辑优先于榜单排名

对打算在企业场景中部署AI编码助手的团队来说,微软这次发布传递的核心信号,并不在基准测试数字本身。

过去两年,企业实际部署GPT-4级别模型,最大的障碍不是能力,而是在高并发、长上下文、批量任务场景下迅速累积起来的成本。Claude Opus系列在长文本推理上的优势有目共睹,但每任务超过6美元的成本,意味着大多数企业实际上只把它用于少量高价值请求,而不是嵌进日常工程流程。

MAI Code 2 Flash更能说明问题:每任务0.052美元,通过率61%,主要面向“高频、常规编码工作”。这个定价争的不是“最强模型”的位置,而是“工程师每天都会用、用量不设上限”的那个位置。MAI Code 2 Flash已被集成进Microsoft 365和Fabric IQ,以MAI Work Flash的身份嵌入日常办公流程。

成本与延迟加在一起,往往比单一能力指标更能决定企业实际怎么部署。微软这轮发布真正施压的,正是这个层面。

AI定价战的信号意义

从市场格局看,OpenAI多次降价之后,微软这次发布是一个标志性节点,AI基础设施竞争明确转向了“性能/价格比”叙事。两年前,各厂商比的是谁的模型在MMLU上分数更高;现在,比较的基本单位已经变成“完成同等任务花多少钱”。

MAI Code 2 Flash每任务0.052美元,意味着完成一万次编码任务只需520美元。如果这个数字在独立环境下能够复现,它对定价体系的冲击将不限于Anthropic和OpenAI——Mistral、Cohere等中间层模型提供商的生存空间同样会被压缩。

MAI Image 2.7登顶Artificial Analysis图像编辑榜,拿到了外部独立认证。这给了微软在图像领域向GPT Image系列叫板的底气。价格上,据称它只有GPT Image 2.6 Sunburst的五分之一。图像生成这个领域,对提示词设计和迭代速度极为敏感,价格差一拉开,用户就愿意多试几把,市场份额的变化往往比能力差距来得更快。

独立判断

这次发布,各条信息的含金量并不一样。MAI Image 2.7的头名出自外部众测,可信度相对高;MAI Code 2的关键数字则来自内部基准平台,还搭配了促销定价,得等第三方复现才能确认。两个结论,不能按同一个置信度去接受。微软这回比的不是“我比你强”,而是“我比你便宜二十倍,差距只有两个百分点”。性能已经够用的前提下,这套说法对企业决策者的吸引力,不见得低于一个新的SOTA数字。说到底,这才是微软真正的赌注:靠价格撬开OpenAI和Anthropic在旗舰模型上攒下的品牌溢价。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 微软MAI Code 2发布:编程AI挑战OpenAI与Anthropic

    微软11月18日在Ignite大会上发布编程模型MAI Code 2,称其性能已接近竞争对手同类模型,但运行成本要低得多。微软同时推出面向网络安全的AI模型及新的图像生成和语音转录模型,试图在AI领域进一步挑战OpenAI和Anthropic。

    来源 凤凰科技
  2. 微软MAI Code 2自研模型亮相:接入现有体系,性价比数据对比OpenAI

    当地时间11月17日,微软推出了MAI Code 2与MAI Code 2 Flash两款模型。微软表示,这两款模型为日常的企业编程任务打造,并且重点强调其性价比:以不到一半的价格实现相似的生产质量。为突出性价比,微软更是摆出了相关数据。微软表示,在四个广泛使用的基准测试(这些基准测试针对在GitHub Copilot

    来源 腾讯网
  3. Anthropic上市在即,亚马逊谷歌将合计持股近30%

    Anthropic完成IPO后,亚马逊将持有其略低于15%的股份,并保留大幅增持的选项;谷歌以近14%的持股紧随其后。两大云计算巨头合计持股接近30%,成为这家Claude开发商上市后最重要的战略股东,也引发外界对AI模型层与云基础设施深度绑定的关注。

    来源 AI 科技快讯
  4. 微软MAI Image 2.7发布:1/5价格击败GPT Image 2.6登顶

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)发布推出 MAI Image 2.7 和 MAI Image 2.7 Flash 图像生成与编辑模型,并上线由 Flash 驱动的交互式创作空间 Canvas。 费用方面,两款模型已在 Microsoft Foundry 开启公开预览,官方公布的每千张图片

    来源 AI 行业观察
  5. Qwen4-Max、GPT-6接连提升3D能力,大模型正走向物理世界?

    每经记者:叶晓丹 每经编辑:魏官红11月16日,阿里发布全新一代基座大模型Qwen4-Max,具备原生视觉能力,支持百万上下文。11月10日,Anthropic也已正式发布Claude Fable 5.2。值得注意的是,两款大模型除了强调上下文、智能体、编程等能力进化外,3D能力提升明显。实际上,今年9月,OpenAI

    来源 腾讯网
  6. 谷歌DeepMind战略主管Jasjeet Sekhon跳槽加入Anthropic

    谷歌DeepMind首席战略官Jasjeet Sekhon于周一官宣离职,将加盟Anthropic。他在X平台发文称:“我的工作目标是推动 Claude 模型践行并恪守认知严谨性。”Anthropic发言人证实了此次聘用。领英资料显示,在加入谷歌之前,塞洪曾任桥水基金首席科学家与AI负责人,更早之前是耶鲁大学教授。(财

    来源 AI 行业观察
  7. 744B模型追平Claude Opus 5,人大复旦提出ToolSpace探索环境合成新范式

    给智能体造训练环境,一定要先从数据库开始吗?现有的环境合成方法通常以数据为中心,先生成数据库和业务场景,再据此构造工具与任务。但沿着这条路线,工具接口和参数逻辑可能偏离真实定义,工具组合也可能缺少执行依据,任务往往局限于单个环境。现实中的工作却需要跨越这些边界,要让智能体熟悉跨环境的工具调用,训练任务就需要覆盖不同环境

    来源 腾讯网
  8. Take-Two CEO 批评 Anthropic、OpenAI:别放任用户用 AI 克隆游戏

    IT之家 11 月 17 日消息,《GTA 6》即将迎来期待已久的发售,Take-Two CEO 施特劳斯 · 泽尔尼克近日批评 Anthropic、OpenAI 等公司,认为它们放任用户利用生成式 AI 抄袭和仿制现有游戏。 生成式 AI 在游戏开发中的应用一直饱受争议,近几个月来,AI 仿制游戏的问题愈发突出。一些

    来源 AI 行业观察
  9. AI自己造的harness靠谱吗?中科院计算所团队推出Doc2Harness评测

    你可能听说过GPT、Claude这些大模型能自己写代码、改bug、完成复杂的软件工程任务。但很少有人意识到,这些模型能做到多好,其实有一大半功劳不在模型本身,而在一个叫"harness"的东西上。harness:可以理解为AI智能体的工作外壳,它负责管理对话轮次、调用各种工具(读文件、写文件、执行命令)、处理权限、保存

    来源 腾讯网
  10. OpenAI 发布 GPT-6.2 Astra和Sol:超越Fable 5.2,金融、科研刷新纪录

    IT之家 11 月 18 日消息,就在 Anthropic IPO 定价前一天,OpenAI 突然毫无预兆地送上了一份“惊喜”。OpenAI 今日正式发布了最新的 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,重点提升专业工作、编程、计算机操作及多步骤智能体任务的表现,同时降低完成任务所需的输出 Tok

    来源 腾讯网
  11. Anthropic IPO文件披露:亚马逊持股14.7%,谷歌持股13.7%

    Anthropic IPO由亚马逊与谷歌合计持股近三成,估值1.405万亿美元,公开市场检验现金流与算力成本。OpenAI发布GPT-6.2双模型,推进企业分层商业化,并携北约网络防御、签约AMD算力。英伟达遭SEC调查、创始人辞任、股价重估,AI基建进入资本回报与治理考验;美国BIS将出口管制延伸至远程云算力。谷歌G

    来源 钛媒体
  12. 澳大利亚最大养老金基金高管质疑 Anthropic 1.4 万亿美元 IPO 估值,称市场存非理性行为

    IT之家 11 月 17 日消息,据彭博社报道,澳大利亚最大的养老金基金对人工智能公司 Anthropic 在首次公开募股(IPO)中瞄准的估值提出质疑,反映出机构投资者对这场可能创下全球史上最大规模纪录的上市交易持谨慎态度。 开发 Claude 聊天机器人的 Anthropic 计划将公司估值定在约 1.4 万亿美元

    来源 AI 行业观察
  13. 英伟达CEO黄仁勋辞职,OpenAI模型安全与资本争议升温

    英伟达领导层变动、Anthropic拟上市与财报窗口,使AI交易从增长叙事转向现金流、资本效率和治理连续性验证;美国将先进芯片出口管制延伸至远程算力与最终用户审查。OpenAI在儿童安全、媒体分发与健康研究上推进基础设施化,同时因自主智能体安全遭加州起诉。Claude Fable 5.2展现过程智能,谷歌Gemini4

    来源 钛媒体
  14. Proton Lumo桌面版上线:隐私优先AI助手硬刚ChatGPT

    以加密邮箱起家的Proton将AI助手Lumo带到桌面端,覆盖Windows、macOS与Linux。新应用可跨本地文件与已连接应用自动执行任务,并允许用户精细控制AI能访问哪些内容。在ChatGPT、Claude加速渗透办公场景的当下,Proton试图用"数据不离开用户掌控"切入市场,为注重隐私的个人与企业

    来源 AI 科技快讯
  15. 奥特曼回应OpenAI上市:不担心被Anthropic抢风头

    Anthropic已公开S-1招股书并预计本周登陆纳斯达克,OpenAI CEO奥特曼在Semafor大会上回应竞争质疑,称“这没什么好担心的”,并重申OpenAI最终将会上市,CFO弗莱尔称目标上市时间为2027年。

    来源 凤凰科技
  16. 腾讯 Hy4 flash 实测:快速、实惠、聪明,国模进入过日子时代

    作者|Cynthia编辑|郑玄过日子的风,还是吹到了大模型行业。2026 年之前,一款模型能不能刷屏,往往取决于它又做到了什么。GPT-4o 的实时语音交互、Claude 的编程能力、DeepSeek R1 的推理表现,一度轮番成为讨论焦点。一款新模型发布,大家首先关心的是它超过了谁,又做到了什么过去做不到的事。但到了

    来源 腾讯网
  17. 微软推出Decision-1.1决策模型:跑赢GPT-6 Luna,速度翻倍

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。 该模型面向企业级软件中的高频决策场景,可帮助应用在路由、分类、优先级排序、内容核

    来源 AI 行业观察
  18. GPT-6.2 Astra发布:基准超Claude Fable 5.2,API降价20%

    OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。 此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。 OpenAI表示,GPT-6.2 Astra在

    来源 AI 行业观察
向下滚动自动加载更多