Microsoft memperkuat persaingan industri kecerdasan buatan dengan memperkenalkan sejumlah model AI terbaru dalam ajang Ignite 2026. Perusahaan teknologi asal Amerika Serikat tersebut menghadirkan model yang dirancang untuk berbagai kebutuhan, mulai dari pemrograman, keamanan siber, pembuatan gambar, hingga pemrosesan suara secara real-time.
Peluncuran ini menjadi langkah penting bagi Microsoft dalam mengembangkan teknologi AI buatannya sendiri. Selama beberapa tahun terakhir, perusahaan tersebut dikenal memiliki hubungan erat dengan OpenAI. Namun, Microsoft kini semakin serius membangun portofolio model internal untuk mengurangi ketergantungan pada penyedia teknologi eksternal.
Daya tarik utama dari pengumuman tersebut adalah klaim efisiensi biaya. Microsoft menyebut beberapa model barunya mampu mendekati atau bahkan melampaui performa produk pesaing pada pengujian tertentu, dengan biaya penggunaan yang jauh lebih rendah.
Dua nama yang menjadi sorotan adalah OpenAI dan Anthropic. Keduanya memiliki model AI yang banyak digunakan untuk pengembangan perangkat lunak, pekerjaan berbasis agen, dan kebutuhan perusahaan. Kehadiran model AI Microsoft dengan harga lebih kompetitif berpotensi mengubah pertimbangan perusahaan ketika memilih teknologi untuk operasional mereka.
Microsoft Perkenalkan Keluarga Model AI MAI Terbaru
Microsoft mengumumkan keluarga model AI terbaru melalui divisi Microsoft AI dalam konferensi Ignite pada 17 November 2026. Lini tersebut membawa pendekatan khusus, yaitu mengembangkan model berdasarkan kebutuhan pekerjaan tertentu.
Strategi ini berbeda dari pendekatan yang hanya mengandalkan satu model serbaguna untuk semua aktivitas. Microsoft menilai bahwa kebutuhan pemrograman, analisis keamanan, pengolahan gambar, dan komunikasi suara memiliki karakteristik berbeda.
Dengan model yang lebih spesifik, perusahaan dapat mengoptimalkan kemampuan sesuai tugas yang dijalankan. Pendekatan tersebut juga berpotensi menekan biaya komputasi karena pengguna tidak selalu membutuhkan model berukuran besar untuk pekerjaan sederhana.
Dalam pengumuman resminya, Microsoft merinci tujuh model dan varian utama dalam portofolio tersebut. Sementara itu, sejumlah laporan media menyebut enam model khusus yang menjadi inti peluncuran. Perbedaan penghitungan muncul karena Decision 1.1 juga dimasukkan dalam daftar resmi Microsoft sebagai model untuk pengaturan penggunaan AI.
Portofolio tersebut mencakup MAI Code 2, MAI Code 2 Flash, MAI Cyber 2 Flash, MAI Image 2.7, MAI Realtime 1, MAI Transcribe 2 melalui Dragon Copilot, serta Decision 1.1.
Microsoft juga memperkenalkan MAI Image 2.7 Flash untuk kebutuhan pembuatan gambar dengan volume tinggi. Dengan demikian, lini produk yang diumumkan tidak hanya berfokus pada satu jenis pekerjaan.
MAI Code 2 Jadi Andalan Microsoft untuk Pemrograman
Salah satu model yang paling menarik perhatian adalah MAI Code 2. Teknologi ini dirancang untuk membantu pengembang menyelesaikan berbagai pekerjaan pemrograman, mulai dari membuat fitur, memperbaiki kesalahan kode, hingga mengerjakan perubahan pada beberapa file sekaligus.
Microsoft memposisikan MAI Code 2 sebagai model untuk pekerjaan coding sehari-hari di lingkungan perusahaan. Fokusnya bukan hanya menghasilkan potongan kode, tetapi juga membantu menyelesaikan tugas pengembangan perangkat lunak yang membutuhkan beberapa tahapan.
Kemampuan tersebut semakin relevan dengan berkembangnya AI coding agent. Teknologi ini memungkinkan AI menjalankan rangkaian pekerjaan, memahami struktur proyek, mengubah kode, dan membantu proses perbaikan secara lebih terarah.
Dalam pengujian internal yang diumumkan Microsoft, MAI Code 2 mencapai sekitar 98 persen dari performa GPT-6.1 Sol dengan biaya sekitar 40 persen dari model OpenAI tersebut.
Microsoft juga membandingkannya dengan Claude Opus 5.5 dari Anthropic. Perusahaan mengklaim MAI Code 2 mencapai sekitar 96 persen performa model tersebut dengan biaya sekitar 5 persen.
Angka itu menjadi bagian penting dari strategi pemasaran Microsoft. Perusahaan ingin menunjukkan bahwa pengguna tidak selalu harus membayar mahal untuk mendapatkan kemampuan AI yang mendekati model kelas atas.
MAI Code 2 Flash untuk Pekerjaan Coding Berkecepatan Tinggi
Selain model utama, Microsoft memperkenalkan MAI Code 2 Flash. Varian ini ditujukan untuk pekerjaan pemrograman yang membutuhkan respons cepat dan dapat dilakukan dalam volume tinggi.
Contoh penggunaannya meliputi penjelasan kode, perubahan kecil pada program, perbaikan rutin, dan proses iterasi yang tidak selalu membutuhkan kemampuan penalaran tingkat tinggi.
Model Flash memiliki posisi berbeda dibandingkan model utama. Pengguna dapat memanfaatkannya untuk pekerjaan berulang yang membutuhkan kecepatan, sementara tugas lebih kompleks dapat dialihkan ke model dengan kemampuan lebih besar.
Microsoft mengklaim MAI Code 2 Flash memiliki performa yang sebanding dengan GPT-6 Luna dengan biaya sekitar 65 persen dari model tersebut. Perusahaan juga menyebut biayanya sekitar 20 persen dari Claude Haiku 5.5 dengan performa yang sebanding pada pengujian tertentu.
Perbedaan ini menunjukkan bahwa Microsoft ingin menawarkan pilihan berdasarkan tingkat kompleksitas pekerjaan. Pengembang tidak harus menggunakan model paling mahal untuk setiap permintaan yang dikirimkan ke AI.
MAI Cyber 2 Flash Fokus pada Keamanan Siber
Selain pemrograman, Microsoft memberikan perhatian besar pada keamanan siber. Perusahaan memperkenalkan MAI Cyber 2 Flash sebagai model yang dirancang untuk membantu pekerjaan pertahanan digital.
Ancaman keamanan siber terus berkembang seiring meningkatnya penggunaan layanan berbasis internet. Perusahaan menghadapi risiko serangan yang dapat menargetkan aplikasi, jaringan, sistem penyimpanan, dan infrastruktur penting.
Dalam situasi tersebut, tim keamanan membutuhkan alat yang mampu membantu menganalisis ancaman serta menemukan potensi kelemahan sistem. AI dapat mendukung proses tersebut dengan mempercepat analisis dan membantu tim mengidentifikasi masalah.
Microsoft mengklaim MAI Cyber 2 Flash mampu mengungguli GPT-6 Astra pada benchmark keamanan tertentu dengan biaya per tugas kurang dari 2 persen. Klaim ini menjadi salah satu bagian paling menonjol dalam pengumuman Ignite 2026.
Namun, angka tersebut perlu dibaca secara hati-hati. Perbandingan itu mengacu pada benchmark dan metode pengujian yang digunakan Microsoft, bukan jaminan bahwa model selalu lebih baik dalam seluruh skenario keamanan siber.
Akses Model Keamanan Dibatasi untuk Pengguna Tertentu
Berbeda dari model coding yang ditujukan untuk penggunaan lebih luas, akses MAI Cyber 2 Flash direncanakan lebih terbatas. Microsoft menempatkan teknologi ini dalam konteks pertahanan siber dan penggunaan yang membutuhkan pengawasan.
Pembatasan tersebut berkaitan dengan sifat teknologi keamanan yang dapat memiliki manfaat sekaligus risiko. Kemampuan menganalisis kerentanan sistem, misalnya, dapat membantu tim pertahanan memperbaiki kelemahan. Namun, kemampuan serupa juga berpotensi disalahgunakan jika tidak dikendalikan.
Microsoft juga mengembangkan integrasi model tersebut dengan sistem keamanan berbasis agen. Tujuannya adalah membantu organisasi melakukan pemantauan dan respons terhadap ancaman secara lebih efisien.
Bagi perusahaan, pendekatan ini menunjukkan bahwa AI keamanan tidak hanya dinilai dari kemampuan teknis. Pengendalian akses, pengawasan, dan batasan penggunaan juga menjadi bagian penting dari penerapannya.
MAI Image 2.7 Masuk Persaingan Teknologi Generasi Gambar
Microsoft turut memperluas portofolio AI ke bidang pembuatan dan penyuntingan gambar. Model yang diperkenalkan adalah MAI Image 2.7, yang diklaim memiliki kemampuan kuat dalam pengeditan gambar.
Perusahaan menyebut model tersebut menempati peringkat pertama pada evaluasi pengeditan gambar Artificial Analysis. Microsoft juga mengklaim hasilnya melampaui GPT Image 2.6 Sunburst pada pengujian yang digunakan, dengan biaya sekitar seperlima dari model pembanding.
Kemampuan pengeditan gambar memiliki banyak penerapan dalam dunia bisnis. Perusahaan dapat menggunakannya untuk mengubah materi promosi, menyesuaikan aset visual, membuat variasi desain, dan mempercepat proses produksi konten.
Selain pengeditan, MAI Image 2.7 juga mendukung pembuatan gambar dari instruksi teks. Microsoft menyebut model tersebut berada di peringkat keempat untuk kategori text-to-image dalam evaluasi yang dirujuknya.
MAI Image 2.7 Flash untuk Produksi Gambar Skala Besar
Microsoft juga menghadirkan MAI Image 2.7 Flash untuk kebutuhan pembuatan gambar dengan volume tinggi. Varian ini dirancang agar lebih ekonomis ketika digunakan dalam proses produksi yang membutuhkan banyak aset visual.
Perusahaan memperkirakan biaya model tersebut sekitar 10 dolar AS untuk menghasilkan 1.000 gambar. Harga aktual dapat dipengaruhi oleh layanan, konfigurasi, dan ketentuan penggunaan yang berlaku.
Model gambar berbiaya rendah dapat menarik perhatian perusahaan yang membutuhkan banyak materi visual. Misalnya, platform perdagangan elektronik yang harus membuat gambar untuk katalog produk atau perusahaan pemasaran yang mengelola kampanye dalam jumlah besar.
Meski demikian, kualitas hasil tetap menjadi pertimbangan utama. Pengguna perlu memperhatikan ketepatan instruksi, konsistensi objek, detail visual, dan kesesuaian gambar dengan kebutuhan merek.
MAI Realtime 1 Hadirkan Teknologi AI Suara
Pengembangan AI Microsoft juga menyentuh teknologi komunikasi berbasis suara. Perusahaan memperkenalkan MAI Realtime 1 sebagai model speech-to-speech yang dirancang untuk percakapan langsung dengan latensi rendah.
Teknologi speech-to-speech memungkinkan sistem memproses masukan suara dan memberikan respons suara tanpa harus selalu menampilkan proses sebagai teks terlebih dahulu.
Kemampuan tersebut dapat digunakan untuk membangun asisten virtual, layanan pelanggan otomatis, dan aplikasi percakapan interaktif. Pengalaman yang lebih responsif menjadi faktor penting karena jeda terlalu panjang dapat mengganggu komunikasi.
Microsoft mengklaim MAI Realtime 1 mampu mengungguli GPT-Realtime 2.1 pada evaluasi eksternal dan pengujian Dynamics 365 yang digunakan perusahaan.
Dari sisi biaya, Microsoft menyebut layanan tersebut dimulai dari sekitar 0,01 dolar AS per menit audio. Harga ini menjadi bagian dari strategi untuk membuat penggunaan AI suara lebih terjangkau dalam skala perusahaan.
MAI Transcribe 2 Perkuat Teknologi Transkripsi Multibahasa
Model berikutnya adalah MAI Transcribe 2, yang digunakan sebagai dasar teknologi transkripsi Dragon Copilot. Model ini berfokus pada pengubahan percakapan suara menjadi teks.
Transkripsi otomatis memiliki peran penting dalam berbagai sektor. Teknologi tersebut dapat membantu membuat catatan rapat, merangkum percakapan, mendokumentasikan layanan pelanggan, dan mengelola informasi dari interaksi suara.
Microsoft menyebut MAI Transcribe 2 dirancang untuk mendukung transkripsi multibahasa dengan tingkat akurasi tinggi. Perusahaan juga menyatakan model tersebut telah digunakan dalam Dragon Copilot untuk mendukung dokumentasi percakapan antara dokter dan pasien.
Menurut pengumuman Microsoft, teknologi tersebut mendukung sekitar 10 juta interaksi layanan kesehatan setiap bulan. Perusahaan juga mengklaim tingkat kesalahan transkripsi multibahasa berhasil dikurangi hingga setengahnya dalam alur kerja yang dilaporkan.
Penggunaan AI dalam bidang kesehatan membutuhkan perhatian khusus terhadap privasi dan keamanan informasi. Rekaman percakapan pasien dapat memuat data pribadi dan informasi medis yang harus dikelola sesuai ketentuan perlindungan data.
Karena itu, keberhasilan teknologi transkripsi tidak hanya diukur dari kecepatan dan akurasi. Keamanan penyimpanan, pengaturan akses, serta ketepatan hasil juga menjadi faktor penting.
Decision 1.1 Bantu Mengatur Pemilihan Model AI
Microsoft juga mengumumkan Decision 1.1, yaitu model yang dirancang untuk membantu aplikasi menentukan model AI yang paling sesuai dengan kebutuhan tertentu.
Teknologi ini berkaitan dengan konsep model routing. Dalam sistem tersebut, permintaan pengguna dapat diarahkan ke model berbeda berdasarkan tingkat kesulitan dan jenis pekerjaan.
Sebagai contoh, pertanyaan sederhana tidak selalu membutuhkan model dengan kemampuan penalaran paling tinggi. Sebaliknya, pekerjaan kompleks dapat diarahkan ke model yang memiliki kapasitas lebih besar.
Pendekatan ini berpotensi mengurangi biaya operasional karena perusahaan dapat mengatur penggunaan model berdasarkan kebutuhan. Sistem tidak harus mengirim seluruh permintaan ke model premium.
Microsoft mengklaim Decision 1.1 memiliki kecepatan hingga 50 kali lebih tinggi dan biaya hingga 79 kali lebih rendah dibandingkan GPT-Sol 6.1 pada evaluasi yang digunakan perusahaan.
Jika diterapkan secara tepat, teknologi routing dapat membantu organisasi mengelola anggaran AI. Namun, hasilnya tetap bergantung pada ketepatan sistem dalam memilih model dan kemampuan setiap model menyelesaikan tugas yang diberikan.
MAI Code 2 Sudah Masuk GitHub Copilot
Salah satu langkah penting Microsoft setelah memperkenalkan model AI terbarunya adalah menghadirkan teknologi tersebut ke produk yang sudah digunakan pengembang. MAI Code 2 dan MAI Code 2 Flash tersedia melalui GitHub Copilot, sehingga pengguna dapat mengakses kemampuan coding tanpa harus membangun integrasi dari awal.
Integrasi ini berpotensi mempercepat adopsi model baru. GitHub Copilot telah menjadi salah satu alat pendukung pemrograman yang digunakan pengembang untuk menulis kode, memahami struktur proyek, dan memperbaiki kesalahan.
Dengan masuknya MAI Code 2, Microsoft memiliki kesempatan untuk menguji kemampuan model buatannya dalam lingkungan kerja nyata. Pengguna dapat membandingkan hasilnya dengan model lain yang tersedia melalui pilihan model di GitHub Copilot.
MAI Code 2 dirancang untuk pekerjaan yang lebih kompleks, seperti debugging mendalam, implementasi lintas file, dan penalaran terhadap struktur repositori. Sementara itu, varian Flash ditujukan untuk pekerjaan rutin yang membutuhkan respons cepat.
Microsoft menyebut kedua model tersebut tersedia secara umum di GitHub Copilot dan Microsoft Foundry. Kehadiran melalui dua jalur ini memberikan pilihan bagi pengembang individu maupun organisasi yang membutuhkan integrasi lebih luas.
Pengembang Bisa Memilih Model Berdasarkan Kompleksitas Pekerjaan
Strategi penggunaan beberapa model sekaligus dapat membantu pengembang mengelola biaya. Tidak semua pekerjaan pemrograman membutuhkan kemampuan model kelas atas.
Untuk tugas sederhana seperti menjelaskan fungsi kode, memperbaiki kesalahan kecil, atau membuat perubahan terbatas, model yang lebih ringan dapat menjadi pilihan. Sebaliknya, pekerjaan yang melibatkan banyak file dan membutuhkan analisis lebih mendalam dapat menggunakan model utama.
Pendekatan tersebut dapat mengurangi penggunaan model mahal secara berlebihan. Perusahaan juga memiliki peluang untuk mengatur anggaran berdasarkan jenis pekerjaan yang dilakukan tim pengembang.
Namun, pemilihan model tetap perlu mempertimbangkan kualitas hasil. Kode yang dihasilkan AI harus melalui pemeriksaan, pengujian, dan peninjauan manusia sebelum diterapkan ke lingkungan produksi.
Microsoft Foundry Menjadi Pusat Integrasi Model AI
Selain GitHub Copilot, Microsoft Foundry memiliki peran penting dalam strategi pengembangan AI perusahaan. Platform ini menyediakan lingkungan bagi organisasi untuk mengakses, mengembangkan, dan mengelola model AI dalam aplikasi mereka.
Kehadiran model MAI di Foundry membuat perusahaan memiliki alternatif selain menggunakan model dari penyedia lain. Organisasi dapat mengevaluasi kemampuan beberapa model berdasarkan kebutuhan teknis, anggaran, serta kebijakan keamanan.
Bagi perusahaan besar, keputusan memilih model AI tidak hanya ditentukan oleh hasil benchmark. Faktor seperti latensi, kapasitas pemrosesan, ketersediaan layanan, perlindungan data, dan biaya operasional juga memiliki pengaruh besar.
Microsoft berupaya menggabungkan model internal dengan ekosistem layanan cloud yang sudah dimilikinya. Strategi tersebut dapat memberikan kemudahan bagi perusahaan yang sebelumnya telah menggunakan Azure dan berbagai layanan Microsoft.
Ketersediaan Model Tidak Selalu Sama
Meskipun diumumkan dalam satu acara, seluruh model tidak otomatis memiliki status ketersediaan yang sama. Beberapa sudah tersedia secara umum, sementara lainnya masih berada dalam tahap pratinjau atau akses terbatas.
MAI Code 2 dan MAI Code 2 Flash telah masuk ke GitHub Copilot. MAI Image 2.7 dan MAI Image 2.7 Flash tersedia melalui Microsoft Foundry dalam tahap public preview.
MAI Cyber 2 Flash memiliki pembatasan lebih ketat karena berkaitan dengan keamanan siber. Sementara itu, MAI Realtime 1 dapat dicoba melalui MAI Labs dan memiliki jalur akses Foundry dengan ketentuan tertentu.
Perbedaan status tersebut penting diperhatikan oleh pengembang. Pengumuman peluncuran tidak selalu berarti setiap pengguna sudah dapat mengakses seluruh fitur tanpa batasan.
MAI Licensed Weights, Strategi Microsoft Memberi Kontrol kepada Perusahaan
Salah satu pengumuman yang menarik perhatian adalah MAI Licensed Weights. Program ini memberikan kesempatan kepada pelanggan tertentu untuk memperoleh bobot model AI Microsoft dan menjalankannya dalam lingkungan Azure milik sendiri.
Konsep tersebut berbeda dari layanan AI yang hanya dapat digunakan melalui API. Dengan akses terhadap bobot model berdasarkan ketentuan lisensi, perusahaan memiliki ruang lebih besar untuk menyesuaikan teknologi dengan kebutuhan internal.
Organisasi dapat melakukan penyesuaian menggunakan data khusus milik perusahaan. Model hasil penyesuaian kemudian dapat dijalankan dalam infrastruktur Azure dengan pengaturan akses yang dikendalikan pelanggan.
Pendekatan ini menarik bagi perusahaan yang memiliki kebutuhan khusus terhadap privasi, keamanan, dan pengelolaan data. Mereka tidak selalu ingin seluruh proses pemrosesan informasi bergantung pada layanan model yang dikelola pihak lain.
Microsoft juga menekankan bahwa data dan adaptasi milik pelanggan tetap berada dalam kendali mereka sesuai ketentuan program. Namun, akses terhadap bobot model tersebut bukan berarti seluruh model MAI otomatis menjadi perangkat lunak open source.
Mengapa Kontrol Model AI Penting bagi Perusahaan?
Setiap perusahaan memiliki karakteristik data dan proses bisnis yang berbeda. Model AI umum mungkin dapat menyelesaikan banyak tugas, tetapi belum tentu memahami istilah, prosedur, dan kebutuhan khusus suatu organisasi.
Melalui penyesuaian model, perusahaan dapat mengarahkan AI agar lebih sesuai dengan konteks operasional. Misalnya, perusahaan telekomunikasi dapat mengembangkan model yang memahami proses analisis jaringan dan pemeliharaan infrastruktur.
Microsoft menyebut AT&T sebagai salah satu contoh penggunaan model khusus. Perusahaan telekomunikasi tersebut mengembangkan model MAI untuk analisis operasional jaringan 5G.
Microsoft menyatakan model khusus tersebut mampu mengungguli GPT-6.1 Sol pada skenario yang diuji dengan biaya sekitar 50 kali lebih rendah. Klaim ini berasal dari pengumuman perusahaan dan belum dapat dianggap sebagai hasil yang berlaku untuk seluruh kebutuhan industri.
Contoh tersebut menunjukkan arah pengembangan AI perusahaan. Persaingan tidak hanya berlangsung pada model yang paling pintar, tetapi juga pada kemampuan menyesuaikan teknologi dengan pekerjaan nyata.
Maia 200, Chip AI Baru untuk Mendukung Efisiensi Komputasi
Pengembangan model AI membutuhkan infrastruktur komputasi yang sangat besar. Proses pelatihan, pengujian, dan penggunaan model dalam skala perusahaan memerlukan daya pemrosesan serta energi yang tidak sedikit.
Microsoft turut mengumumkan perkembangan Maia 200, akselerator AI generasi kedua yang kini memasuki tahap produksi. Chip tersebut dirancang untuk mendukung pemrosesan model AI dalam infrastruktur Microsoft.
Perusahaan mengklaim Maia 200 mampu menghasilkan hingga 1,7 kali lebih banyak token per watt dibandingkan generasi pembanding yang digunakan dalam pengumuman. Efisiensi energi menjadi faktor penting karena penggunaan AI terus meningkat.
Token merupakan satuan pemrosesan yang digunakan model bahasa untuk membaca dan menghasilkan informasi. Semakin banyak permintaan yang diproses, semakin besar pula kebutuhan komputasi pada pusat data.
Dengan mengembangkan chip sendiri, Microsoft dapat mengoptimalkan hubungan antara perangkat keras, model AI, dan layanan cloud. Integrasi tersebut berpotensi membantu perusahaan mengendalikan biaya operasional sekaligus meningkatkan kapasitas layanan.
Mengapa Perusahaan Teknologi Mengembangkan Chip AI Sendiri?
Ketergantungan terhadap pemasok akselerator eksternal dapat menjadi tantangan bagi perusahaan yang menjalankan layanan AI dalam skala besar. Permintaan perangkat keras yang tinggi juga dapat memengaruhi biaya dan ketersediaan infrastruktur.
Karena itu, perusahaan teknologi besar mulai mengembangkan prosesor khusus untuk kebutuhan pusat data. Tujuannya bukan hanya mengejar performa, tetapi juga meningkatkan efisiensi energi dan mengoptimalkan beban kerja tertentu.
Microsoft mengambil langkah tersebut melalui keluarga chip Maia. Strategi ini melengkapi pengembangan model MAI agar perusahaan dapat mengendalikan lebih banyak bagian dari rantai teknologi AI.
Meski demikian, keberhasilan chip khusus tidak hanya ditentukan oleh angka efisiensi. Ketersediaan perangkat, kemudahan integrasi, stabilitas sistem, dan dukungan pengembang juga menentukan manfaatnya dalam penggunaan nyata.
Klaim Lebih Murah dari OpenAI dan Anthropic Perlu Diuji Secara Independen
Harga menjadi salah satu bagian paling menarik dari peluncuran MAI. Microsoft menyampaikan sejumlah perbandingan biaya yang menunjukkan model buatannya dapat memberikan performa kompetitif dengan pengeluaran lebih rendah.
Namun, konsumen dan perusahaan perlu memahami cara membaca klaim tersebut. Perbandingan harga tidak selalu menggambarkan keseluruhan biaya ketika model digunakan dalam aplikasi nyata.
Setiap model dapat memiliki struktur harga, batas penggunaan, kebutuhan komputasi, dan karakteristik keluaran yang berbeda. Biaya juga dapat berubah berdasarkan jumlah token, jenis permintaan, panjang konteks, serta kebutuhan pemrosesan tambahan.
Benchmark yang digunakan untuk membandingkan performa pun memiliki ruang lingkup tertentu. Model yang unggul dalam pekerjaan coding sehari-hari belum tentu memiliki keunggulan serupa dalam penelitian ilmiah atau tugas penalaran yang sangat panjang.
Microsoft sendiri menyatakan MAI Code 2 diprioritaskan untuk pekerjaan rekayasa perangkat lunak perusahaan sehari-hari. Model tersebut belum secara khusus dioptimalkan untuk penelitian sains tingkat lanjut dan pekerjaan agen dengan rangkaian tugas yang sangat panjang.
Benchmark dari Pembuat Model Bukan Satu-satunya Ukuran
Hasil pengujian internal maupun eksternal yang diumumkan perusahaan dapat menjadi gambaran awal. Namun, hasil tersebut tetap perlu dibandingkan dengan pengujian independen.
Pengembang sebaiknya mencoba model menggunakan kumpulan pekerjaan yang benar-benar mereka hadapi. Misalnya, memperbaiki bug pada proyek yang sudah berjalan, membuat fitur baru, atau memahami kode lama yang dokumentasinya terbatas.
Untuk perusahaan, pengujian juga perlu mencakup tingkat kesalahan, keamanan keluaran, latensi, dan biaya keseluruhan. Model dengan harga token lebih murah belum tentu menjadi pilihan paling ekonomis jika membutuhkan banyak percobaan untuk menyelesaikan satu tugas.
Dengan pendekatan tersebut, keputusan memilih model tidak hanya berdasarkan angka promosi. Organisasi dapat mengetahui teknologi mana yang memberikan nilai terbaik sesuai kebutuhan operasional.
Dampak Peluncuran MAI terhadap Persaingan OpenAI dan Anthropic
Kehadiran keluarga model MAI menambah tekanan persaingan bagi penyedia AI lainnya. Microsoft memiliki keunggulan berupa ekosistem perangkat lunak, layanan cloud, alat pengembangan, dan jaringan pelanggan perusahaan yang sudah luas.
OpenAI dan Anthropic tetap memiliki posisi penting dalam pasar AI. Keduanya dikenal melalui model yang digunakan untuk berbagai pekerjaan, termasuk pemrograman, analisis, dan pengembangan agen.
Namun, persaingan kini semakin bergeser dari sekadar kemampuan model menuju efisiensi penggunaan. Perusahaan membutuhkan AI yang mampu bekerja dalam skala besar tanpa membuat biaya operasional meningkat secara tidak terkendali.
Microsoft mencoba mengambil posisi melalui model khusus dengan harga kompetitif. Strategi ini dapat menarik perusahaan yang ingin menjalankan agen AI sepanjang hari untuk menangani pekerjaan rutin.
Jika pendekatan tersebut berhasil, perusahaan dapat mengalokasikan model premium hanya untuk tugas yang benar-benar membutuhkannya. Pekerjaan lain dapat dijalankan oleh model yang lebih ringan dan ekonomis.
Persaingan tersebut juga menguntungkan pengguna karena mendorong penyedia AI meningkatkan kualitas layanan. Pengembang memperoleh lebih banyak pilihan untuk menyesuaikan teknologi dengan anggaran dan kebutuhan masing-masing.
Risiko Penggunaan AI Tetap Membutuhkan Pengawasan Manusia
Meskipun model AI semakin mampu menyelesaikan pekerjaan kompleks, teknologi ini belum sepenuhnya bebas dari kesalahan. Kode yang dihasilkan dapat memiliki bug, rekomendasi keamanan bisa keliru, dan hasil analisis dapat mengandung informasi yang tidak akurat.
Pada bidang pemrograman, kesalahan kecil dapat berdampak pada stabilitas aplikasi. Karena itu, kode hasil AI tetap harus diperiksa melalui proses pengujian dan peninjauan sebelum diterapkan.
Pada bidang keamanan siber, penggunaan AI membutuhkan pengawasan lebih ketat. Sistem yang dapat menemukan kerentanan harus memiliki batasan agar tidak digunakan untuk aktivitas yang merugikan pihak lain.
Sementara itu, teknologi transkripsi dan pemrosesan suara perlu memperhatikan perlindungan data pribadi. Rekaman rapat, percakapan pelanggan, dan informasi kesehatan tidak boleh dikelola sembarangan.
Perusahaan perlu menetapkan kebijakan mengenai akses data, penyimpanan, penggunaan hasil AI, dan tanggung jawab manusia. Pengawasan tersebut menjadi penting agar efisiensi yang ditawarkan teknologi tidak mengorbankan keamanan.
Masa Depan Persaingan AI Akan Ditentukan oleh Efisiensi dan Ekosistem
Peluncuran keluarga MAI memperlihatkan bahwa Microsoft ingin membangun posisi yang lebih kuat dalam industri kecerdasan buatan. Perusahaan tidak hanya mengembangkan model untuk pemrograman, tetapi juga keamanan siber, gambar, suara, dan pengelolaan keputusan.
Kehadiran MAI Code 2 di GitHub Copilot, integrasi dengan Microsoft Foundry, serta pengembangan Maia 200 memperlihatkan strategi yang saling terhubung. Microsoft berusaha menggabungkan model, perangkat keras, dan layanan cloud dalam satu ekosistem.
Klaim harga yang lebih murah dibandingkan OpenAI dan Anthropic menjadi daya tarik utama. Namun, pengguna tetap perlu menilai hasil pengujian, kualitas keluaran, dan biaya berdasarkan kebutuhan nyata.
Bagi pengembang, perkembangan ini membuka lebih banyak pilihan dalam membangun aplikasi berbasis AI. Bagi perusahaan, model khusus dapat menjadi alternatif untuk mengoptimalkan anggaran dan memperluas penggunaan agen otomatis.
Persaingan AI pada tahap berikutnya kemungkinan tidak hanya ditentukan oleh siapa yang memiliki model paling canggih. Kemampuan menyediakan teknologi yang aman, stabil, mudah diintegrasikan, dan ekonomis dalam skala besar juga akan menjadi faktor penentu.






