Microsoft gaat strijd aan met OpenAI en Anthropic met nieuw programmeermodel

Microsoft heeft zijn tweede programmeermodel aangekondigd. MAI Code 2 zou vergelijkbaar presteren met OpenAI's GPT 6.1 Sol en Anthropics Claude Opus 5.5. De prijs van het model zou lager liggen dan bij de concurrentie.

Microsoft noemt verschillende populaire benchmarks, zoals FrontierCode en DeepSWE, waaruit zou blijken dat MAI Code 2 in programmeertaken bijna net zo goed presteert als de vlaggenschipmodellen van OpenAI en Anthropic. Daarnaast zou zijn codingagent minder tokens vereisen voor dezelfde taken.

Microsoft geeft niet aan wat de precieze prijs van de input- en outputtokens is. Het bedrijf meldt enkel een 'gemiddelde prijs per taak' op de benchmarks. Daarbij noemt het bedrijf een prijs van 0,309 dollar, maar vermeldt het in de kleine lettertjes dat dit de prijs met 50 procent korting betreft. Ook een verdubbelde prijs van 0,618 dollar zou echter lager zijn dan die van GPT 6.1 Sol en Claude Opus 5.5. Microsoft noemt bij de concurrerende modellen een prijs per taak van respectievelijk 0,761 dollar en 6,306 dollar.

Game gemaakt met Microsofts MAI Code 2
Een game gemaakt met Microsofts MAI Code 2

Het bedrijf brengt ook een lichter model uit, MAI Code 2 Flash. Deze versie biedt minder goede prestaties, maar is ook goedkoper. Het Flash-model zou vergelijkbaar presteren met GPT-6 Luna en Claude Haiku 5.5.

Microsoft kondigt nog diverse andere in-house AI-modellen aan, waaronder een nieuw cybersecuritymodel dat de strijd moet aangaan met GPT 6 Astra. Dit wordt geïntegreerd in zijn securitytools en vervangt daarbij het huidige MAI Cyber-model. Daarnaast komt het bedrijf met MAI Image 2.7, een nieuwe versie van zijn afbeeldingsmodel.

Door Kevin Krikhaar

Redacteur

18-11-2026 • 14:02

54

Submitter: The Third Man

Reacties (54)

Moderatie-faq

Sorteer op:

Weergave:

Leuk hoor, maar DeepSWE 1.1 is al lang verzadigd en bewezen dat zo'n 20% van de taken fundamenteel stuk zijn. Verder rekenen ze Terminal-Bench 2.1 mee terwijl 4.1 al uit is. Toen 3.0 uit kwam was 2.1 al verzadigd op 80%. En dan nog FrontierCode 1.1, terwijl 2.0 er al is. Vervolgens pakken ze van deze oudere benchmarks het gemiddelde om te vergelijken.

En dan ook nog de tijdelijke korting meerekenen:
MAI-Code-2-Flash cost is shown at its 50% promotional price.
Dus ja, niet bijzonder representatief. Deze benchmarks stammen uit mei/juni, wat in de gewone IT-wereld recent klinkt, maar in de AI wereld alweer ver weg is :) dus ze hebben nog een goede inhaalslag te maken, gok ik, anders hadden ze wel recente benchmarks getoond.

[Reactie gewijzigd door Bouwer21000 op 18 november 2026 15:09]

MS heeft vscode/copilot maar voor de rest zijn ze echt niet flexibel genoeg om op de edge te kunnen concurreren met startups/kleinschalige bedrijven als openAI/Anthropic/Deepseek.

Ik denk dat ze hun tijd beter kunnen spenderen aan Deepseek modellen verder te trainen voor eigen doeleinden dan proberen iets competetiefs op de markt te brengen wat overmorgen alweer oud nieuws is.
Ik vind het jammer dat Nebius SWE-rebench niet meer update, of misschien wel vriendelijk gevraagt door wat grote klanten om er mee op te houden.

De enige manier om goed te benchmarken is continue updaten. Geheime vragen hebben beperkt nut, ze kunnen ze er uit pikken en in de benchmax dataset gooien.
Mars Warrior
@Bouwer21000 • 18 november 2026 18:00
Yep. Oud. Sol zit inmiddels op 6.2 en die is toch echt een stuk(je) beter dan 6.1.

Sol 6.2 scoort zelfs vaak hoger dan Astra 6. Dus ook die race blijft maar doorgaan.

Oude benchmarks en oude modellen dus.
Bij ons is iedereen weggelopen bij Copilot. Het is een zwakker en duurder model dan bijvoorbeeld Opus 5.5.

We zullen het zien, maar de acties die Microsoft heeft uitgevoerd met Copilot, zorgen er niet voor dat mensen snel terug zullen gaan gok ik.
Je hebt twee Copilot producten:
  • M365 Copilot
  • GitHub Copilot
Die zijn niet hetzelfde, en beide zijn geen modellen.
Sommige mensen hebben het aantal verschillende producten genaamd Microsoft Copilot proberen te tellen en komen bijvoorbeeld tot 81 verschillende producten.
Verschillende producten, maar wel een gedeelde core die bv de LLMs aanstuurt.
twee?? Maak er maar 15 van. Copiloot defender, zelfs copilots binnen excel, word en M365 app zijn weer andere versies.
Oh FFS. Dit is weer zo typisch MS. Dit schiet toch niet op? Ieder weldenkend persoon gaat toch nu al zeggen “oh. Dat klinkt veel te ingewikkeld”?
Je zegt dat Copilot een zwak model is. Maar Copilot is toch helemaal geen model? Het is de front-end/interface van Microsoft, maar het gebruikt als achterliggend model hoofdzakelijk GPT van OpenAI.
Dat klopt. Als M365 beheerder kun je ook andere modellen aanzetten (zoals Anthropic Claude meen ik) maar die vallen dan niet binnen de EU data protection, dus voor velen geen optie.

Copilot is sterk in je M365 context. "Ik heb hier een mail gevonden en daarin wordt een bewering gedaan die niet klopt met jullie design, zie hier en hier en daar en daar". Dat is echt sterk.

Maar als je b.v. Powershell scriptjes wil bouwen dan loopt Claude Opus 5.5 rondjes om Copilot. Zelfs Haiku 5.5 is nog beter, alhoewel Copilot (OpenAI dus) ook stapjes maakt. Maar OpenAI zal natuurlijk nooit het topmodel verbinden aan Copilot, dat zal altijd 1 of 2 stappen achterlopen.
Dat klopt. Als M365 beheerder kun je ook andere modellen aanzetten (zoals Anthropic Claude meen ik) maar die vallen dan niet binnen de EU data protection, dus voor velen geen optie.
Komt binnenkort naar de EU.
Wat @pegox volgens mij probeert te zeggen is dat er nog veel applicatie zit tussen jou en het model. Je ervaring zegt dus niet perse iets over het model. Het is misschien 50% applicatie en 50% model. Daarom gedraagd CoPilot zich ook anders dan bijv ChatGPT terwijl ze hetzelfde model gebruiken
Nee zover ik weet is copiloot een m365 assistent inderdaad en geen volwaardige AI model. Of ik heb het verkeerd begrepen ik heb die nog nooit aangeraakt zelfde met Google Gemini zwaar irritant ding is dat.
Copilot is ook geen AI-model. Copiloot is de UI. En maakt gebruik van OpenAI.
Het gaat om een programmeer model dus denk niet dat je het over de juiste copilot hebt. Copilot M365 maakt gebruik van GPT.

Er is dan nog Github Copilot die eigenlijk gebruik maakt van allerlei modellen zoals diverse GPT's, Claude's, Gemini's, ... Copilot bepaalt naar welk model je vraag wordt doorgestuurd.

Denk dat ze het slim hebben gespeeld en hun eigen model nu getraind hebben met die vragen en antwoorden aan andere modellen. Dit laatste is maar een vermoeden natuurlijk.
Welke copilot heb je het dan over? De 'programmeer hulp' copilot geeft namelijk al sinds het begin de optie om uit verschillende modellen van Anthropic en OpenAI te kiezen?
De modellen via CoPilot hebben wel vaak een kleinere context size en niet de luxe van een harnas als Claude Code
Niks mis met Github Copilot CLI, zeker als je hem in WSL gebruikt, je hoeft niet een Windows app of IDE plugin te gebruiken met Github Copilot. En opus of sonnet is daarin gewoon beschikbaar.
Wat bedoel je precies hiermee? Ik gebruik Claude zowel binnen GitHub Copilot als met Claude Code en merk tot nu toe geen wezenlijke verschillen. Of mis ik dan een aspect?
Ik gebruikte Copilot vooral in VSCode voordat Copilot CLI er was, en Claude Code in een terminal was toen een verademing in de ervaring voor mij. Het harnas lijkt een stuk 'slimmer' en kan goed omgaan met externe tooling wat binnen VSCode een drama was toen. Ook was de versie van Claude binnen Copilot beperkt tot een kleinere context size.

Mijn ervaringen zijn inmiddels vast outdated, ik weet niet hoe de situatie nu is - ik heb Copilot al een jaar ofzo niet meer gebruikt :)
Claude code is de app en daarmee het harnas. Het harnas stelt alle tools en functies ter beschikking voor het model. Die van Claude is echt vele malen beter dan die van Github Copilot. Als je die verschillen niet merkt stel je ws niet de vragen waar het te merken valt, want over het algemeen wordt namelijk vaak gesteld dat het harnas ongeveer 80% van het resultaat bepaald en het model slechts 20%.

Dus een ander model (van hetzelfde kaliber) binnen hetzelfde harnas zal op grote lijnen hetzelfde presteren terwijl hetzelfde model binnen een ander harnas een hele andere kant op gaat in positieve of negatieve zin.

claude code met Workflows is echt een wereld van verschil met een GPT codex bijvoorbeeld.
Wij gebruiken het dagelijks binnen de Office context (Powerpoint, Word, Outlook, Excel bij Finance e.d.) maar voor andere zaken zetten we graag de GPT of Claude modus aan. Binnen de M365 context werkt het naar mijn mening goed, maar daarbuiten... ja, dan vinden wij het ook duidelijk het zwakkere model, als je niet switched naar Claude of GPT modellen binnen Copilot.
Meer concurrentie is denk ik wel beter en interessant om te zien dat het goedkoper is dan de 2 grote aanbieders. Ze hebben met CoPilot al een redelijk grote afzetmarkt weten te creeeren onder de grote bedrijven (wat de bedoelde gebruikers van deze modellen lijken te zijn).

Benchmarks zijn leuk en aardig, maar ben voornamelijk benieuwd naar de ervaringen van anderen. Denk dat dat een stuk interessanter is.

[Reactie gewijzigd door Gropah op 18 november 2026 14:51]

Ja, veel van de AI doemscenario's gaan er van uit dat de bedrijven ons nu allemaal verslaafd maken voordat ze de prijzen omhoog gaan krikken, maar met de concurrentie die we nu zien is dat vrij onwaarschijnlijk.
Maar ondertussen kost elke klant geld.
Nog wel, totdat de modellen goed genoeg zijn om in silicium vastgelegd te worden. Dan gaat het verbruiken een factor 100 naar beneden. GPU's zijn leuk voor training, maar in principe bizar inefficient voor het gebruik. We moeten wat dat betreft van het Von Neumann architectuur weg voor efficiënte AI. Als ze daar zijn gaat het grote graaien beginnen ... een open source model gaat dat niet zomaar kunnen bieden. Vastleggen in silicium kan in principe goed als de gewichten toch niet meer veranderen.
MSalters
@HerrPino • 18 november 2026 16:53
GPUs hebben nooit die von Neumann architectuur gehad. Dat zie je onder andere aan het feit dat je er altijd een CPU naast hebt.
Er wordt het spel gespeeld van de nieuwe Netflix worden: Eerst moet je je concurrenten uitschakelen door diepe zakken te hebben, daarna pas kun je de prijzen verhogen. Het gaat deze keer niet werken omdat dankzij open modellen en de daling van de benodigde rekenkracht, er altijd goedkope concurrentie zal zijn.
En bij Netflix zien we inmiddels ook: in het begin de grootste. Nu wellicht nog, maar er is gewoon concurrentie zoals HBO, Disney en andere partijen. Lokaal Videoland.

Wat ik vooral merk, wat als je alles bouwt op een bepaalde omgeving, zoals Claude, en je wilt overstappen. Dan moeten learnings etc ook mee.
Een belangrijk verschil is dat de rechthebbende de content eerst via Netflix deelden. De licentie vervolgens niet verlengden en toen een eigen dienst starten. De ai boeren doen zowiezo niet aan licenties op trainingsdata dus het vernetflixed minder snel.
Daarom moet je hier ook proactief mee omgaan. Claude's subs-gebruik is het meest gericht op lock-in, lijkt het, maar je kan het prima gebruiken binnen een harness als OMP of AMP (opencode is wat minder te doen).

Gebruik een agnostisch harness, een skillset zoals die van Matt Pocock om je proces te stabiliseren en documenteren, en zorg ervoor dat de kennis in je repo zit, al dan niet gebruik makend van bijv. github issues. Dan kan je altijd een ander model en/of aanbieder erop loslaten zonder al te veel gedoe.

Nog afhankelijk van Claude of Codex-specifieke features? Begin alvast dit op te zetten, en zorg daarna dat je agent alle "afgesloten" kennis migreert. Zorg ervoor dat je eigenaar blijft van je eigen data.
Vendor lock-in. Heb ik mijn werkgever ook voor gewaarschuwd, maar ja, dat gebeurt dan toch.
Dat dachten we ook bij streamingdiensten. Trek daar je lering uit.
Daar is toch aardig wat concurrentie? En je kan de markten niet helemaal vergelijken. De streaming markt concurreert op exclusiviteit, maar bij AI is dat niet mogelijk omdat de output overal min of meer hetzelfde is.
En wat krijgen we ondanks die concurrentie? Jaarlijks hogere tarieven, reclames... Alles om het maar uit te melken. A.I. gaat precies die kant op. Dat kan niet anders. Er worden miljarden gespendeerd en die moeten worden terug verdient.
Niets houdt je tegen om naar een ander model te gaan als de enshittification te veel wordt. Desnoods draai je lokaal een Chinees model.

Overigens heb ik de verkuttificatie die je noemt enkel nog gezien in de gratis en semi-gratis modellen.
Dat zijn geen doemscenario's, dat is al gaande.
“Microsoft noemt verschillende populaire benchmarks, zoals FrontierCode en DeepSWE, waaruit zou blijken dat MAI Code 2 in programmeertaken bijna net zo goed presteert als de vlaggenschipmodellen van OpenAI en Anthropic.”

Microsoft geeft hiermee dus aan dat de modellen van OpenAI en Anthropic beter zijn? Ze willen mensen dus met een lagere prijs aan zich binden voor iets wat ‘bijna net zo goed’ is als dat van de concurrentie.
Heeft Microsoft niet iets zoals Grokbot?
Ben bijna verslaafd aan dat ding, zo goed dat het is. Je vraag iets, en hij doet het gewoon. Maar die willen we geen toegang geven tot onze bedrijfsomgeving natuurlijk...
En dan is het toch vloeken dat copilot echt niks kan...
Microsoft Scout of nu genaamd Copilot Autopilot is het Microsoft equivalent van Grokbot.
En zelfs dat lukt ze niet... Ik zoek en kom dit tegen: https://www.microsoft.com/en-us/copilot/features/autopilot
Perfect denk je, tot je zoekt hoe je er mee moet beginnen. Plots kom op bij iets van Frontier en ga ik verder, dan kom uit bij mijn gewone copilot...
Hier haat ik Microsoft echt door dus.
"MAI Code 2 zou vergelijkbaar presteren met Anthropics Claude Opus 5.5"

-Press X to Doubt
en al die 'bigtech' companies die VELE datacenters dan bouwen om dan 'proberen' "beter" te zijn dan de concurrent! TRIESTIGE "evolutie"! :O
En inmiddels heeft openai gpt 6.2 uitgebracht....
Ik test elk model dat ik gebruik eerst op een aantal eigen bash en C use cases uit de praktijk, die niet heel gemakkelijk zijn. Ik laat b.v. een POSIX memory safety audit op een deel van een een C project doen of vraag om een specifieke refactor van een lang en complex script. Zegt mij aanzienlijk meer dan alle gangbare tests. Veel modellen vallen dan door de mand.
Hoe kom je er bij dat specifiek dit model ongevraagd dit soort significante features toevoegt? Heb je het getest?

En als je al een app bouwt, met AI of niet, ben jíj toch verantwoordelijk voor het update en data collectie beleid?
Ik denk dat je sarcasme-meter niet is afgegaan.
Nou, wat een grappige 'sarcastische' opmerking

Om te kunnen reageren moet je ingelogd zijn