---
title: 微软 MAI Code 2 和 Flash 怎么选？Copilot 价格与编程跑分
description: >-
  比较 MAI Code 2 和 MAI Code 2 Flash 的 GitHub Copilot 套餐、促销价格与编程跑分。看懂微软对 GPT-6.1
  Sol、Claude Opus 5.5 的“98%”和“96%”，再用六条报价排序检查决定哪次修改值得升级。
canonical_url: 'https://onevium.com/zh/blog/mai-code-2-vs-flash-pricing-benchmarks'
language: zh-CN
published_at: '2026-11-18'
publisher: Onevium
---
# 微软 MAI Code 2 和 Flash 怎么选？Copilot 价格与编程跑分

比较 MAI Code 2 和 MAI Code 2 Flash 的 GitHub Copilot 套餐、促销价格与编程跑分。看懂微软对 GPT-6.1 Sol、Claude Opus 5.5 的“98%”和“96%”，再用六条报价排序检查决定哪次修改值得升级。

## 先选 MAI Code 2 Flash，还是直接用标准版？

报价表按升序排列，10 元却出现在 9 元前面。只改一处比较函数，而且改完能立即跑测试，我会先用 **MAI Code 2 Flash**。如果同一个顺序还要同步到导出文件、分页列表和「恢复导入顺序」按钮，我会先把验收条件写好，再用 **MAI Code 2** 追踪这些地方怎样共同使用数据。

微软在 2026 年 11 月 17 日的 Ignite 上发布了这两款编程模型。标准版强调跨文件实现和仓库级推理，Flash 面向解释代码、定点修改和高频迭代。两者在 GitHub Copilot 的首发输入、输出单价相差十倍。决定预算前，先想想，如果改错了，一条测试能发现，还是得有人把整个流程再走一遍？[微软发布说明](https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/) · [GitHub 上线说明](https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot/)

## GitHub Copilot 哪些套餐能用？API 从哪里接？

按 GitHub 的上线清单，**Copilot Free 和 Student 可以选择 Flash**。Pro、Pro+、Max、Business 和 Enterprise 可以选择两款。支持的入口包括 VS Code、Visual Studio、Copilot CLI、GitHub 网页和 JetBrains。团队账号如果在模型菜单里看不到它，先确认组织或企业管理员的模型策略，再看当前客户端和套餐。[GitHub 模型入口与套餐](https://github.blog/changelog/2026-11-17-mai-code-2-and-mai-code-2-flash-in-github-copilot/)

需要给自己的应用调用模型时，先确认部署入口。微软在这次公告里明确列出的开发者选项是 **Microsoft Foundry 的 MAI Code 2 Flash 限量预览**。Copilot 模型菜单、Foundry 部署及其调用凭据分别核对。若要在 Onevium 使用已有的自定义服务，先取得获准的上游端点和模型标识，确认连接协议与工具能力，再做一次小请求。[微软对外提供方式](https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/) · [Onevium 自定义连接](https://onevium.com/zh/docs/providers/custom)

## MAI Code 2 与 Flash 的价格，一百次改动差多少？

以下是 GitHub Copilot **按用量计费**的模型费率，单位为美元／百万 token。缓存读取列只计实际命中的输入。GitHub 的价格脚注列明，2027 年 5 月 17 日起切换为常规定价。[GitHub Copilot 官方价格表与促销脚注](https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing)

| 型号与价格阶段                 | 未缓存输入 |   缓存读取 |    输出 |
| ----------------------- | ----: | -----: | ----: |
| MAI Code 2 · 首发促销       | $0.50 | $0.025 | $2.50 |
| MAI Code 2 Flash · 首发促销 | $0.05 | $0.005 | $0.25 |
| MAI Code 2 · 促销后        | $1.00 |  $0.05 | $5.00 |
| MAI Code 2 Flash · 促销后  | $0.10 |  $0.01 | $0.50 |

假设一次修改有 **40,000 个未缓存输入、60,000 个缓存读取、4,000 个计费输出 token**。按促销价，标准版是 **$0.0315**，Flash 是 **$0.0033**。相同用量做 100 次，分别是 **$3.15 和 $0.33**。单看未缓存输入和输出差十倍，缓存读取只差五倍，所以一次任务的总价随用量构成变化。

GitHub 按 **1 AI credit 对应 $0.01** 折算。这个示例算的是模型用量价值，实际是否产生额外账单还取决于套餐内额度、重试以及服务项目。仍留在旧版按请求计费的年度 Pro／Pro+ 用户要查另一张表，MAI Code 2 为 **1×**，Flash 为 **0.33×**。[GitHub 用量计费](https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing) · [旧年度方案的请求倍率](https://docs.github.com/en/copilot/reference/copilot-billing/request-based-billing-legacy/model-multipliers-for-annual-plans)

## 微软的“98%”比谁？与 GPT-6.1 Sol、Opus 5.5 的跑分怎样读？

微软报告，MAI Code 2 在四项编程评测上的平均相对表现达到 **GPT-6.1 Sol 的 98%**，任务成本约为其 **40%**。对照 **Claude Opus 5.5**，同一项发布比较给出约 **96% 的表现、5% 的成本**。这里的 98% 以参照模型在这组任务上的表现为分母。要看一款模型自己完成了多少任务，需要读具体题集的通过率。[微软原文与评测脚注](https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/)

四项是 DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlas 和 FrontierCode 1.1。微软脚注说明，各模型用最高推理档位。前三项在 MSBench 上通过 Copilot CLI 运行，关闭子 Agent。FrontierCode 1.1 的成绩与成本来自 Artificial Analysis。微软模型的费用按 **五折促销价**计算。Flash 的另一组对照只含前三项，微软把它的表现与 GPT-6 Luna、Claude Haiku 5.5 相比，报告的成本分别约为对方的 65% 和 20%。[微软发布脚注](https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/) · [FrontierCode 1.1 评测说明](https://artificialanalysis.ai/evaluations/frontiercode)

模型卡第 3 节把两款 MAI 放进同一套 Copilot CLI。通常每题独立运行三次，报告单次尝试通过率的平均值，基础设施错误也计为失败。**DeepSWE 1.1** 是标准版 73.2%、Flash 59.9%，**Terminal-Bench 2.1** 是 84.6%、78.3%。到了 **SWE Atlas**，Flash 的 44.8% 略高于标准版的 43.1%。这项包含代码库问答、测试编写和重构。三行数据给出了可以试用的方向，在单个团队的任务上，仍要看能否通过自己的验收。[微软模型卡，第 6–7 页](https://microsoft.ai/pdf/MAI-Code-2-And-MAI-Code-2-Flash-Model-Card.pdf#page=6)

本站的 GPT-6.2 文章用到了 **FrontierCode 2.0**。它能帮助比较当时的 GPT-6.2 Astra 和 Sol。这次微软标题里的对照对象是 GPT-6.1 Sol，两篇用到的 FrontierCode 版本也不同。需要给 MAI 和 GPT-6.2 排先后时，最好让它们做同一份工作，保留相同工具和判分方式。[GPT-6.2 Astra 与 Sol 的价格和评测](https://onevium.com/zh/blog/gpt-6-2-astra-vs-sol-pricing-benchmarks)

![最高推理档位下，MAI Code 2 和 Flash 的 DeepSWE 通过率为 73.2% 和 59.9%，Terminal-Bench 为 84.6% 和 78.3%，SWE Atlas 为 43.1% 和 44.8%。](https://onevium.com/assets/blog/mai-code-2-flash-benchmarks-zh.webp)

依据微软模型卡第 3 节重绘。三项均为最高推理档位下的任务通过率，运行环境为同一套 Copilot CLI。

## 让两个模型改同一张报价表，怎样给答案打分？

这份练习只用一个函数。数据里 `900` 表示 9 元，`0` 表示免费，`null` 表示还要询价。排序前先告诉模型，同价商品保持导入顺序，升序和降序都把待询价放在最后。用户点「恢复导入顺序」时，还需要那份原始数组。[下载离线练习和六条检查](https://onevium.com/downloads/mai-code-2-sort.zip)

我们用 Node.js 实际跑了同一组检查。起始代码把价格当字符串比较，六项里通过 **2 项**。第一个对照改成数字相减，并复制数组，通过 **4 项**。剩下两项都受 JavaScript 的类型转换影响。`null` 参与减法时会被当作零，在原始行顺序为「待询价、免费、9 元」时，待询价依然可能排在免费前。参考实现先单独处理待询价，再比较数字，**6 项全部通过**。

| 输入或操作               | 审核人应看到的结果                    |
| ------------------- | ---------------------------- |
| 9 元、10 元、2 元，切换升／降序 | 2、9、10，再切换为 10、9、2           |
| 待询价、免费、9 元          | 升序为免费、9 元、待询价。降序为 9 元、免费、待询价 |
| 两条同价记录，随后恢复原顺序      | 同价次序保持，原始数组和其中的记录仍与导入时相同     |

这三个实现由我们编写并实际运行。本次 Copilot CLI 对两个型号都返回了模型不可用，因此这道排序题还没有两款模型各自的实跑成绩。上文的模型间对照来自微软模型卡。要收集两款模型自己的成绩，在两个新会话使用同一推理档位和工具范围，只交给它们 `starter.mjs` 和上面的业务要求，保留各自第一次返回的函数。审核后另存为 `candidate.mjs`，在解压后的目录执行 `node check.mjs ./candidate.mjs`。命令会逐条列出失败项。把失败的那一行连同人工修订、再次运行次数和实际用量记下来，就能看出更贵的一次调用有没有省下一轮返工。

## 什么时候值得升级到 MAI Code 2？

如果 Flash 的函数过了六项检查，评审人也能在几分钟内核对完整改动，我会接受这一版。另一类问题更值得留预算。页面排序已对，CSV 导出仍然错，换页后选择的顺序也丢了。此时标准版能否找齐多个入口、补上跨入口测试，就比它会不会写数字比较函数更有价值。

还有一种情况需要产品负责人先做决定。假如销售团队要求待询价商品始终置底，采购团队却要求它们置顶，切换模型也选不出组织认可的规则。先把这个决定写进验收条件，再让两个模型在同一条件下竞争。下次定默认模型时，比较的是每份通过评审的改动花了多少钱、占了多少审核时间。[如何核对 AI 工作流的实际价值](https://onevium.com/zh/blog/measure-ai-workflow-value)

来源: [Microsoft AI · MAI Code 2 and MAI Code 2 Flash](https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/)
