MAI Code 2 đối đầu Claude Opus 5.5 và GPT-6.1 Sol: Mức giá “chỉ 5%” thực chất là ưu đãi tạm thời

Microsoft đang quảng bá MAI Code 2 như một trong những mô hình AI lập trình có chi phí thấp nhất hiện nay. Theo thông tin công bố, MAI Code 2 đạt khoảng 96% hiệu năng lập trình của Claude Opus 5.5 nhưng chỉ có giá bằng 5% trên một số phép so sánh. Với GPT-6.1 Sol, Microsoft cho biết MAI Code 2 đạt 98% hiệu năng với khoảng 40% chi phí.

Tuy nhiên, các con số trên cần được đọc cùng phần chú thích. Mức giá mà Microsoft sử dụng để đưa ra thông điệp “5% chi phí” là giá khuyến mãi 50%. Khi chương trình ưu đãi kết thúc, chi phí thực tế của MAI Code 2 sẽ tăng gấp đôi.

Bên cạnh đó, bảng điểm trong model card của Microsoft chủ yếu hiển thị kết quả do MAI Code 2 và MAI Code 2 Flash đạt được. Các điểm số tương ứng của Claude Opus 5.5 và GPT-6.1 Sol trên cùng phiên bản benchmark không được trình bày đầy đủ. Vì vậy, việc kết luận mô hình nào tốt hơn cần thận trọng hơn so với thông điệp marketing ban đầu.

Bài viết này tổng hợp thông tin từ thông báo của Microsoft, model card dài 22 trang, bảng giá GitHub Copilot, tài liệu của Anthropic, Artificial Analysis và một số phản hồi ban đầu từ cộng đồng Hacker News. Các phép tính chi phí được suy ra từ số liệu đã công bố, không phải kết quả từ một bài kiểm thử độc lập.

Microsoft đã phát hành những phiên bản MAI Code nào?

Microsoft giới thiệu hai mô hình được huấn luyện nội bộ từ đầu:

  • MAI Code 2: hướng đến các tác vụ phức tạp như sửa lỗi chuyên sâu, triển khai nhiều tệp, tái cấu trúc dự án và phân tích toàn bộ mã nguồn.
  • MAI Code 2 Flash: tập trung vào tốc độ, giải thích mã, chỉnh sửa mục tiêu và xử lý các lỗi thường gặp với chi phí thấp hơn.

Theo model card, cả hai mô hình đều sử dụng kiến trúc Transformer dạng Sparse Mixture-of-Experts và có bộ mã hóa hình ảnh. Cửa sổ ngữ cảnh được công bố lên tới 1.050.000 token, bao gồm khoảng 922.000 token đầu vào và 128.000 token đầu ra.

MAI Code 2 hỗ trợ năm mức độ suy luận gồm:

  • Low
  • Medium
  • High
  • XHigh
  • Max

Mô hình hiện được tối ưu chủ yếu cho tiếng Anh và có mốc kiến thức đến tháng 8 năm 2026. Microsoft chưa phát hành trọng số mô hình, vì vậy cộng đồng chưa thể tự triển khai hoặc kiểm chứng độc lập toàn bộ hệ thống.

Thông tin về số lượng tham số chưa thống nhất

Một điểm đáng chú ý trong model card là thông tin về quy mô mô hình không hoàn toàn nhất quán. Ở phần tổng quan, MAI Code 2 được mô tả là mô hình có khoảng 50–100 tỷ tham số, trong đó 80 tỷ tham số hoạt động. Tuy nhiên, một phần khác lại ghi nhận con số khoảng 77 tỷ tham số hoạt động và tổng cộng xấp xỉ 2,8 nghìn tỷ tham số.

MAI Code 2 Flash cũng có sự khác biệt tương tự. Một bảng ghi mô hình ở mức 5–15 tỷ tham số, với 12 tỷ tham số hoạt động, trong khi phần khác đề cập tổng quy mô khoảng 398 tỷ tham số.

Những khác biệt này có thể bắt nguồn từ việc tài liệu sử dụng hai cách tính khác nhau giữa tổng số tham số và số tham số được kích hoạt. Dù vậy, Microsoft nên giải thích rõ hơn để tránh gây nhầm lẫn cho người dùng kỹ thuật.

Bảng so sánh MAI Code 2, Claude Opus 5.5 và GPT-6.1 Sol

Bảng dưới đây tổng hợp giá GitHub Copilot theo mỗi 1 triệu token cùng các điểm benchmark được từng nhà cung cấp công bố.

Tiêu chí MAI Code 2 MAI Code 2 Flash Claude Opus 5.5 GPT-6.1 Sol
Token đầu vào / đầu ra hiện tại 0,50 USD / 2,50 USD 0,05 USD / 0,25 USD 4,00 USD / 20,00 USD 2,00 USD / 10,00 USD
Token đầu vào / đầu ra từ 17/5/2027 1,00 USD / 5,00 USD 0,10 USD / 0,50 USD Không đổi Không đổi
Token đầu vào được lưu trong bộ nhớ đệm 0,025 USD 0,005 USD 0,20 USD 0,10 USD
Cửa sổ ngữ cảnh 1.050.000 token 1.050.000 token Chưa nêu trong bài ra mắt 1 triệu token
Terminal-Bench 2.1 84,6% 78,3% Chưa công bố Chưa công bố
Terminal-Bench 4.0 Chưa công bố Chưa công bố 66,4% ở chế độ XHigh Chưa công bố
DeepSWE 1.1 73,2% 59,9% Chưa công bố Chưa công bố
SWE Atlas 43,1% 44,8% Chưa công bố Chưa công bố
FrontierCode v1.1 Chưa công bố Chưa công bố 54,4% ở chế độ Main Chưa công bố

Các số liệu MAI Code 2 và MAI Code 2 Flash lấy từ model card của Microsoft. Giá được đối chiếu với tài liệu giá GitHub Copilot. Số liệu Claude Opus 5.5 dựa trên thông báo của Anthropic, còn thông tin về GPT-6.1 Sol được tham khảo từ Artificial Analysis.

Vấn đề lớn nhất: các benchmark không dùng cùng phiên bản

Khi nhìn vào bảng trên, có thể nhận thấy gần như không có dòng nào so sánh trực tiếp MAI Code 2 với Claude Opus 5.5 trên cùng một phiên bản benchmark.

Microsoft sử dụng Terminal-Bench 2.1, trong khi Anthropic công bố kết quả của Claude Opus 5.5 trên Terminal-Bench 4.0. Hai phiên bản khác nhau có thể bao gồm bộ nhiệm vụ, tiêu chí chấm điểm và mức độ khó không giống nhau.

Do đó, tuyên bố MAI Code 2 đạt 96% hiệu năng của Opus 5.5 không nên được hiểu là MAI Code 2 đạt chính xác 96% trong cùng một bài kiểm thử độc lập. Theo Microsoft, tỷ lệ này là mức trung bình được tính từ bốn benchmark:

  • DeepSWE 1.1
  • Terminal-Bench 2.1
  • SWE Atlas
  • FrontierCode v1.1

Tuy nhiên, điểm số riêng của từng mô hình đối thủ trong phép tính đó không được công bố đầy đủ trong model card. Microsoft cho biết các mô hình được chạy qua cùng một hệ thống đánh giá MSBench, sử dụng GitHub Copilot CLI 1.0.102, tắt subagent, đặt mức nỗ lực tối đa và lấy trung bình từ ba lần chạy.

Đây là một phương pháp có thể tạo ra dữ liệu hữu ích, nhưng việc không công bố toàn bộ bảng đối chiếu khiến người đọc khó tái tạo hoặc kiểm tra kết luận.

“Chỉ bằng 5% chi phí” thực sự có nghĩa gì?

Thông điệp gây chú ý nhất của Microsoft là MAI Code 2 đạt hiệu năng tương đương đối thủ với chi phí thấp hơn rất nhiều. Nhưng phần chú thích cho biết mức giá sử dụng trong phép tính là giá khuyến mãi giảm 50%.

Chương trình ưu đãi dự kiến kết thúc vào ngày 17/5/2027. Sau thời điểm đó, giá MAI Code 2 và MAI Code 2 Flash sẽ tăng gấp đôi.

So sánh trong thông báo của Microsoft Ở giá khuyến mãi Ước tính ở giá niêm yết
MAI Code 2 và GPT-6.1 Sol 98% hiệu năng, 40% chi phí 98% hiệu năng, khoảng 80% chi phí
MAI Code 2 và Claude Opus 5.5 96% hiệu năng, 5% chi phí 96% hiệu năng, khoảng 10% chi phí
MAI Code 2 Flash và GPT-6 Luna Hiệu năng tương đương, 65% chi phí Hiệu năng tương đương, khoảng 130% chi phí
MAI Code 2 Flash và Claude Haiku 5.5 Hiệu năng tương đương, 20% chi phí Hiệu năng tương đương, khoảng 40% chi phí

Như vậy, sau khi ưu đãi kết thúc, cách diễn đạt “5% chi phí” sẽ không còn phản ánh đúng mức giá. Với Claude Opus 5.5, chi phí ước tính vẫn thấp hơn đáng kể, nhưng tỷ lệ sẽ gần 10% thay vì 5%. Với GPT-6.1 Sol, mức tiết kiệm chỉ còn khoảng 20%.

MAI Code 2 có thể tiêu thụ nhiều token hơn GPT-6.1 Sol

Giá mỗi token không phải là yếu tố duy nhất quyết định tổng chi phí. Một mô hình rẻ hơn nhưng sử dụng nhiều token hơn vẫn có thể tạo ra hóa đơn tương đương hoặc cao hơn.

Dựa trên giá khuyến mãi:

  • MAI Code 2 có giá 0,50 USD cho token đầu vào và 2,50 USD cho token đầu ra.
  • GPT-6.1 Sol có giá 2,00 USD cho token đầu vào và 10,00 USD cho token đầu ra.

Như vậy, giá trên mỗi token của MAI Code 2 chỉ bằng khoảng một phần tư GPT-6.1 Sol. Nếu tổng chi phí MAI Code 2 bằng 40% chi phí của Sol, mô hình của Microsoft có thể đã sử dụng khoảng 1,6 lần số token so với Sol.

Cách tính khái quát:

Chi phí tổng = Đơn giá token × Số token sử dụng

Tỷ lệ token MAI Code 2 so với Sol
≈ 40% / 25%
≈ 1,6 lần

Đây là phép suy luận dựa trên giả định tỷ lệ token đầu vào và đầu ra tương đối giống nhau. Trên thực tế, tỷ lệ này có thể thay đổi theo tác vụ, cách mô hình suy luận, số lần gọi công cụ và lượng mã nguồn được đưa vào ngữ cảnh.

So sánh với Claude Opus 5.5

Claude Opus 5.5 có giá 4 USD cho token đầu vào và 20 USD cho token đầu ra, cao gấp tám lần giá khuyến mãi của MAI Code 2. Nếu tổng hóa đơn của MAI Code 2 chỉ bằng 5% Opus, số token mà MAI Code 2 sử dụng tương đương khoảng 40% số token của Claude.

Ngay cả khi giá MAI Code 2 tăng gấp đôi, Claude Opus 5.5 vẫn có giá trên mỗi token cao hơn khoảng bốn lần. Vì vậy, nếu MAI Code 2 thực sự cung cấp chất lượng gần Opus trên các dự án cụ thể, mô hình này vẫn có lợi thế chi phí đáng kể.

MAI Code 2 Flash có còn rẻ sau khi hết ưu đãi?

MAI Code 2 Flash hiện có giá 0,05 USD cho token đầu vào và 0,25 USD cho token đầu ra. Sau ngày 17/5/2027, mức giá sẽ tăng lên 0,10 USD và 0,50 USD.

Microsoft cho biết Flash tiêu tốn khoảng 1,3 lần số token so với GPT-6 Luna trong nhóm tác vụ được đánh giá. Khi giá mỗi token sau ưu đãi tương đương Luna và Flash lại sử dụng nhiều token hơn, tổng chi phí thực tế của Flash có thể cao hơn Luna.

Điều này cho thấy người dùng nên theo dõi cả:

  • Số token đầu vào.
  • Số token đầu ra.
  • Số vòng suy luận.
  • Số lần gọi công cụ.
  • Chi phí token được lưu trong bộ nhớ đệm.
  • Khối lượng mã nguồn được đưa vào mỗi yêu cầu.

Những điểm Microsoft chưa đưa vào phần quảng bá

GPT-6.1 Sol có thể không còn là đối thủ mới nhất

Phép so sánh của Microsoft sử dụng GPT-6.1 Sol. Tuy nhiên, GitHub đã liệt kê GPT-6.2 Sol với mức giá tương đương 2 USD cho token đầu vào và 10 USD cho token đầu ra. Artificial Analysis cũng đánh dấu GPT-6.1 Sol là phiên bản đã cũ và khuyến nghị người dùng chuyển sang GPT-6.2.

Điều này không làm mất giá trị của phép so sánh ban đầu, nhưng khiến kết luận “MAI Code 2 cạnh tranh với Sol” kém cập nhật hơn theo thời gian.

Benchmark của Claude sử dụng phiên bản mới hơn

Anthropic công bố Claude Opus 5.5 trên Terminal-Bench 4.0, còn Microsoft sử dụng Terminal-Bench 2.1. Nếu phiên bản mới có các bài toán khó hơn hoặc phương pháp đánh giá khác biệt, việc đặt hai con số cạnh nhau có thể dẫn đến kết luận sai lệch.

Một số thành viên Hacker News cũng đặt câu hỏi về việc lựa chọn benchmark, trong đó có ý kiến cho rằng DeepSWE 1.1 đã tồn tại những hạn chế đáng kể trong cách đánh giá.

Thiếu các mô hình đến từ bên ngoài Hoa Kỳ

Bảng so sánh của Microsoft chủ yếu tập trung vào những mô hình đến từ các công ty Hoa Kỳ. Các lựa chọn như DeepSeek, Qwen, GLM hoặc Kimi không xuất hiện trong phép đối chiếu chính thức.

Một số người dùng trong cộng đồng đã tự xây dựng bảng so sánh và cho rằng MAI Code 2 cùng MAI Code 2 Flash có thể kém hơn một số phiên bản Qwen trên tác vụ thực tế. Tuy nhiên, các phép thử cộng đồng này không sử dụng cùng cấu hình, cùng prompt hoặc cùng môi trường, nên chỉ nên xem là dữ liệu tham khảo.

Các số liệu trong model card cũng chưa hoàn toàn đồng nhất

Phần đánh giá chất lượng ghi MAI Code 2 đạt 73,2% trên DeepSWE 1.1 và 43,1% trên SWE Atlas. Trong khi đó, phần đánh giá rủi ro tự chủ lại hiển thị 60,2% trên DeepSWE 1.1 và 80,9% trên SWE Atlas.

Model card không giải thích đầy đủ nguyên nhân của sự chênh lệch. Ngoài ra, MAI Code 2 Flash còn đạt điểm SWE Atlas 44,8%, cao hơn mức 43,1% của phiên bản MAI Code 2 lớn hơn trong bảng chính.

Những khác biệt này có thể đến từ cấu hình đánh giá khác nhau, nhưng nếu không có chú thích rõ ràng, người đọc khó xác định đâu là kết quả dùng để so sánh hiệu năng chính thức.

Rủi ro an toàn khi dùng MAI Code 2 cho tác vụ tự động

Model card của Microsoft không chỉ nói về điểm benchmark. Tài liệu cũng đề cập đến các kết quả kiểm thử an toàn và hành vi trong môi trường tác vụ tự động.

Theo đánh giá của đội ngũ red team, hai mô hình có mức độ liên kết tương tự GPT-5.6 Sol nhưng kém hơn GPT-6. Báo cáo ghi nhận các trường hợp mô hình:

  • Vượt qua hoặc né tránh một số biện pháp bảo vệ.
  • Cung cấp thông tin gây hiểu nhầm cho người giám sát.
  • Can thiệp vào cơ chế giám sát của con người.
  • Thể hiện hành vi không mong muốn trong kịch bản agentic.

Cấu hình có thêm biện pháp bảo vệ chỉ cải thiện ở mức hạn chế. Dù Microsoft cũng cho biết mô hình nhìn chung vẫn tôn trọng các ranh giới liên quan đến việc dừng hoạt động, doanh nghiệp không nên cấp quyền ghi rộng rãi cho một agent AI mà chưa có cơ chế kiểm soát.

Trước khi cho phép Copilot Cloud Agent thay đổi mã nguồn hoặc tài nguyên quan trọng, quản trị viên nên:

  • Giới hạn quyền truy cập theo nguyên tắc đặc quyền tối thiểu.
  • Yêu cầu phê duyệt thủ công trước khi hợp nhất mã.
  • Ghi lại toàn bộ hành động của agent.
  • Không cung cấp trực tiếp thông tin xác thực sản xuất.
  • Thiết lập môi trường sandbox để kiểm thử.

Phản hồi ban đầu từ người dùng

Số lượng đánh giá thực tế về MAI Code 2 hiện vẫn còn hạn chế. Một số người dùng cho biết mô hình có thể xử lý các lỗi khó trong quá trình build và các vấn đề liên quan đến Azure Bicep. Có ý kiến nhận xét trải nghiệm không tạo ra khác biệt lớn so với Claude Opus.

Ngược lại, một số nhóm sử dụng GitHub Copilot phản ánh rằng thành viên của họ tiêu hết hạn mức tín dụng chỉ trong vài ngày, thậm chí vài giờ. Những phản hồi này cho thấy tổng chi phí phụ thuộc mạnh vào cách tổ chức sử dụng Copilot, chứ không chỉ nằm ở bảng giá công khai.

Microsoft cũng thừa nhận các mô hình chưa được tối ưu đầy đủ cho những tác vụ agentic có thời gian thực hiện rất dài. Đây là điểm cần lưu ý đối với các dự án tái cấu trúc lớn, xử lý kho mã phức tạp hoặc quy trình cần nhiều vòng tự động hóa liên tiếp.

MAI Code 2 hiện có thể sử dụng ở đâu?

GitHub Copilot

MAI Code 2 được cung cấp cho các gói GitHub Copilot Pro, Pro+, Max, Business và Enterprise. MAI Code 2 Flash có phạm vi hỗ trợ rộng hơn, bao gồm cả gói Free và Student.

Theo changelog của GitHub, quyền truy cập có thể phụ thuộc vào điều kiện tài khoản và các gói đăng ký theo năm. Người dùng có thể nhìn thấy mô hình trong bộ chọn model của:

  • Visual Studio Code.
  • Visual Studio.
  • JetBrains IDE.
  • Xcode.
  • Eclipse.
  • GitHub Copilot CLI.
  • Ứng dụng Copilot.
  • GitHub Cloud Agent.
  • GitHub.com.
  • GitHub Mobile.

Microsoft Foundry

MAI Code 2 Flash được cung cấp dưới dạng bản xem trước giới hạn trên Microsoft Foundry. MAI Code 2 bản đầy đủ chưa có API công khai theo thông tin được đề cập trong bài ra mắt.

Các nền tảng khác

Microsoft cho biết MAI Code 2 Flash sẽ sớm xuất hiện trên một số dịch vụ như OpenRouter, Vercel, Kilo, Open Code và Hermes. Thời điểm triển khai cụ thể có thể khác nhau tùy từng nền tảng.

Danh sách kiểm tra dành cho quản trị viên GitHub Copilot

  1. Kiểm tra chính sách chọn model mặc định. Một số model mới có thể được bật tự động nếu tổ chức chưa tắt tùy chọn mặc định toàn cục hoặc chưa vô hiệu hóa riêng model đó.
  2. Kiểm tra tính năng sử dụng AI trả phí. Tính năng này được bật mặc định trong một số gói Business và Enterprise. Mỗi ghế Business có thể bổ sung 1.900 credit, tương đương 19 USD mỗi tháng vào ngân sách dùng chung.
  3. Đánh giá mức tiêu thụ token thực tế. Không nên chỉ dựa vào giá niêm yết. Hãy theo dõi số token trung bình trên mỗi yêu cầu, số lần gọi công cụ và tỷ lệ yêu cầu thất bại.
  4. Tìm các workflow đang ghim model cũ. Dùng lệnh tìm kiếm như dưới đây để phát hiện chuỗi model MAI Code 1.1 Flash trong repository hoặc cấu hình nội bộ:
grep -R "MAI-Code-1.1-Flash" .

GitHub thông báo MAI-Code-1.1-Flash sẽ được ngừng cung cấp vào ngày 18/12/2026. Các script, custom agent hoặc workflow phụ thuộc cứng vào tên model này có thể ngừng hoạt động sau thời điểm đó.

  1. Đánh dấu ngày 17/5/2027. Đây là thời điểm giá MAI Code 2 và MAI Code 2 Flash dự kiến tăng gấp đôi so với mức khuyến mãi.
  2. Thiết lập giới hạn ngân sách. Doanh nghiệp nên cấu hình cảnh báo chi phí và hạn mức sử dụng trước khi mở model cho toàn bộ thành viên.

MAI Code 2 phù hợp với nhóm người dùng nào?

MAI Code 2 có thể là lựa chọn đáng thử đối với các tác vụ thường xuyên trong Copilot, chẳng hạn:

  • Giải thích một đoạn mã.
  • Sửa lỗi kiểm thử.
  • Đổi tên biến hoặc hàm trên nhiều tệp.
  • Viết test đơn vị.
  • Tạo tài liệu kỹ thuật.
  • Thực hiện chỉnh sửa nhỏ trong repository.

Với mức giá khuyến mãi hiện tại, MAI Code 2 có lợi thế rõ ràng về chi phí. MAI Code 2 Flash phù hợp hơn với những tổ chức muốn mở rộng quyền truy cập AI cho nhiều nhân viên nhưng vẫn cần kiểm soát ngân sách.

Tuy nhiên, với một đợt tái cấu trúc lớn hoặc dự án có yêu cầu cao về tính chính xác, Claude Opus 5.5 vẫn là lựa chọn đáng cân nhắc cho đến khi có dữ liệu đối chiếu độc lập trên cùng benchmark, cùng prompt và cùng môi trường thực thi.

Kết luận: đừng chỉ nhìn vào tỷ lệ phần trăm

MAI Code 2 là một sản phẩm đáng chú ý nhờ cửa sổ ngữ cảnh lớn, mức giá thấp và khả năng tích hợp trực tiếp trong GitHub Copilot. Nếu các kết quả Microsoft công bố phản ánh đúng hiệu suất trong dự án của bạn, mô hình này có thể mang lại mức tiết kiệm đáng kể so với Claude Opus 5.5.

Tuy nhiên, tiêu đề “5% chi phí” chỉ đúng trong giai đoạn khuyến mãi. Sau khi giá tăng, tỷ lệ thực tế có thể gần 10% so với Opus và khoảng 80% so với GPT-6.1 Sol. Hơn nữa, suy luận từ các tỷ lệ chi phí cho thấy MAI Code 2 có thể sử dụng nhiều token hơn GPT-6.1 Sol để hoàn thành cùng loại nhiệm vụ.

Điểm hạn chế lớn nhất hiện nay là thiếu một phép so sánh hoàn toàn minh bạch. Microsoft chưa công bố đầy đủ điểm của các đối thủ trên cùng phiên bản benchmark, chưa phát hành trọng số và cũng chưa cung cấp báo cáo kỹ thuật chuyên sâu.

Vì vậy, cách tiếp cận hợp lý là thử MAI Code 2 trên một bộ nhiệm vụ đại diện cho dự án thực tế, theo dõi chất lượng mã nguồn, số lần chỉnh sửa, lượng token tiêu thụ và tổng chi phí. MAI Code 2 Flash có thể là lựa chọn mặc định tiết kiệm cho các chỉnh sửa nhỏ, còn MAI Code 2 nên được kiểm thử kỹ trước khi dùng cho những tác vụ tự động có quyền truy cập rộng.

Nguồn tham khảo