微软这次发编码模型,冲的不是榜单,是价签。

官方给的数很扎眼。MAI Code 2 在四项基准上平均做到 GPT-6.1 Sol 98% 的性能,成本 40%;对 Claude Opus 5.5 是 96% 的性能,成本 5%。盲测前端评审里,64% 的情况下压过 GPT-6 Sol。

数字要打个折看。这四项基准怎么挑、怎么跑,官方没细说;"前端盲测胜出"和"能接住一个真实仓库的脏活",压根不是一回事。厂商发 benchmark(基准测试),跟餐厅拍菜单一个道理——好看的那道菜,永远是它想让你点的。

但我不会把它归进"又一款刷分模型"。5% 这个数才是重点。它意味着编码 Agent 的调用成本,正在被按到地板上。

过去一年,谁家 Agent 好用,比的是能不能把任务跑完;接下来得多一栏——跑完一个任务花多少钱。成本砍到这个量级,"让 Agent 一直挂着改代码"这种用法,才算真能算得过账。

还有一层信号别漏了:这是微软自家的模型,在自家云上卖。它同时是 OpenAI 的大股东和最大渠道方。左手卖 GPT,右手推更便宜的自研替代——这层关系,比 benchmark 本身值得盯得多。

编码模型正在从"谁最强"变成"谁够用又够便宜"。微软把第一张价格牌甩出来了,接下来看 Anthropic 和 OpenAI 跟不跟。跟,就是全行业降价;不跟,就得拿出"我贵得有道理"的证据。