Microsoft baru saja meluncurkan terobosan baru dalam perang keamanan AI dengan memperkenalkan model keamanan yang dibangun khusus pertama mereka, MAI-Cyber-1-Flash. Bersama dengan MDASH, platform pertahanan multi-agennya, Microsoft menyampaikan pandangannya bahwa masa depan bisnis AI bukan hanya untuk model terbesar, tetapi model yang lebih murah namun cukup efektif.
Model MAI-Cyber-1-Flash yang kompak ini dikembangkan oleh divisi Microsoft AI (MAI) dan diintegrasikan ke dalam MDASH untuk menemukan dan memperbaiki kerentanan perangkat lunak. Microsoft mengklaim bahwa model ini mampu mencetak skor 96% di CyberGym, sebuah tolok ukur yang mengukur seberapa baik sistem AI dapat menganalisis kode untuk menemukan kerentanan yang nyata. Skor ini lebih baik dibandingkan dengan model-model terdepan lainnya seperti Mythos, Gemini, dan GPT, sekaligus menekan biaya hingga hampir setengah dibandingkan konfigurasi produksi Microsoft saat ini.
Tidak hanya itu, Microsoft juga memperkenalkan Project Perception, sistem keamanan yang mengoordinasikan agen “tim merah” untuk mencari celah yang bisa dieksploitasi, agen “tim biru” yang menyelidiki risiko, dan agen “tim hijau” yang memperbaiki dan memperkuat pertahanan. Project Perception direncanakan memasuki tahap preview publik pada 3 Agustus mendatang.
Dalam wawancara luas dengan VentureBeat, CEO Microsoft AI Mustafa Suleyman menegaskan bahwa pengumuman ini adalah langkah awal dari kampanye yang lebih panjang. “Kami memiliki data dan keahlian yang cukup signifikan, dan itu memungkinkan kami untuk melatih model yang lebih cepat, lebih baik, dan lebih murah. Ini baru permulaan,” jelas Suleyman. “Model selanjutnya akan jauh lebih menakjubkan.”
Arsitektur 90/10: Mengapa Microsoft Masih Mengandalkan GPT-5.4
Detail teknis terpenting dari pengumuman ini bukanlah modelnya, tetapi bagaimana Microsoft memanfaatkannya. MAI-Cyber-1-Flash dirancang untuk menangani hingga 90% tugas keamanan dengan efisien, sementara MDASH akan mengalihkan 10% masalah yang sulit ke model frontier yang lebih besar, yaitu GPT-5.4 dari OpenAI. Dalam kata lain, AI keamanan andalan Microsoft masih bergantung pada mitra mereka yang kini menjadi pesaing dalam menyelesaikan pekerjaan tersulit.
Ketika diminta untuk menjelaskan hubungan ini, Suleyman menggambarkan harness sebagai pengatur alur, menyampaikan setiap masalah kepada model yang tepat. “Harness ini seperti router. Ini berfungsi seperti pengaman dan seperangkat aturan logika pengorganisasian yang mencocokkan permintaan dengan model yang sesuai,” katanya. Sistem ini terdiri dari tiga komponen: harness, MAI-Cyber-1-Flash yang menangani sebagian besar permintaan, dan GPT-5.4 yang berfungsi sebagai “model pemrograman umum.”
Suleyman juga menjelaskan mengapa GPT-5.4 digunakan untuk tingkatan eskalasi, yaitu biaya yang lebih rendah. “GPT-5.6 mahal, sementara GPT-5.4 sangat baik jika dilihat dari harganya. Tujuan utama kami adalah mengurangi biaya,” ujarnya. Microsoft ingin menawarkan kinerja yang lebih baik dengan biaya lebih rendah, selaras dengan kebutuhan pelanggan.
Biaya Token: Tantangan Besar untuk Adopsi AI di Perusahaan
Ekonomi yang terlibat mungkin lebih berarti daripada tolok ukur. Microsoft menyatakan bahwa konfigurasi baru ini memberi penghematan biaya sekitar 50% dibandingkan setup MDASH yang ada. Dalam keamanan—yang merupakan beban kerja terus-menerus dengan volume sinyal yang besar—biaya token menjadi beban yang terus meningkat, dan Microsoft berpendapat bahwa hal ini menjadi kendala utama bagi para pembela keamanan.
Suleyman menggambarkan masalah biaya ini sebagai akibat dari batas fisik yang sulit. “Kendala utama untuk adopsi adalah akses ke chip, dan biaya adalah fungsi dari ketersediaan chip,” katanya. “Tidak peduli berapa banyak uang yang Anda miliki, pasokan chip terbatas. Mencoba mendapatkan lebih banyak output model dengan chip yang lebih sedikit jelas sangat berharga.”
Dia juga mencatat adanya reaksi besar dari perusahaan terhadap harga model terdepan. Banyak perusahaan yang awalnya terbuka menggunakan model terbaik malah kemudian merasa mereka terlalu mahal dan mendapati semua aspek bisnis mereka terpengaruh. “Ada dorongan besar untuk mengurangi biaya di mana saja,” tuturnya.
Data Telemetri: Keunggulan yang Sulit Ditiru
Setiap laboratorium AI mengklaim memiliki diferensiasi, tetapi klaim Microsoft di bidang keamanan terletak pada hal yang sulit ditiru: telemetri. Microsoft memproses lebih dari 100 triliun sinyal keamanan setiap hari, sebuah angka yang selaras dengan laporan Digital Defense 2025 mereka. Dengan data dari 1,6 juta pelanggan, Microsoft menarik wawasan operasional dari pengalaman bertahun-tahun.
“Kami memiliki triliunan data poin yang berasal dari puluhan tahun,” ungkap Suleyman. “Ini adalah dataset keamanan siber longitudinal terbesar yang ada.” Dia menegaskan bahwa pengalaman dan data tersebut memberi Microsoft keuntungan yang jelas dalam hal keahlian.
Logika strategisnya adalah bahwa keamanan siber berfungsi sebagai loop pembelajaran yang berkelanjutan: pembela bertindak, hasil diamati, dan model diperbaiki. Microsoft berpendapat bahwa menghubungkan aksi dengan hasil dapat menghasilkan sinyal pelatihan yang tidak bisa diperoleh oleh laboratorium model murni.
Dilema Penggunaan Ganda: Model AI yang Berisiko
Model yang dirancang untuk menemukan kerentanan kompleks juga bisa digunakan untuk menyerang. Microsoft menyadari hal ini, dan Suleyman memastikan akses ke model sangat dibatasi. “Kami sangat ketat mengenai siapa yang mendapatkan akses ke model, dan kami selalu memantau penggunaannya,” jelasnya. Akses hanya diberikan kepada pengguna yang benar-benar memiliki niat baik dan kompetensi teknis.
Microsoft juga menegasakan bahwa model tersebut telah dievaluasi oleh Tim Merah AI mereka dan diuji oleh pihak ketiga sebelum digunakan dalam skenario yang ketat. Ini menunjukkan komitmen Microsoft untuk memastikan bahwa teknologi ini tidak jatuh ke tangan yang salah.
Roadmap Superintelligence Microsoft: Apa yang Dapat Diharapkan?
Suleyman menggambarkan roadmap MAI yang berkembang pesat. “Kami memiliki komputasi yang dibutuhkan, data yang memadai, dan bakat yang cukup. Momentum kami semakin cepat,” ujarnya. Permintaan utama dari perusahaan adalah “agen yang dapat menghasilkan kode untuk memecahkan masalah yang mereka hadapi.” Phasa berikutnya akan mengintegrasikan model suara, transkripsi, gambar, dan pemrograman ke dalam satu sistem yang sama.
Dengan langkah-waktu yang hati-hati, Microsoft berupaya untuk keluar dalam perlombaan AI bukan hanya dengan membangun model terbesar, tetapi dengan menciptakan mesin yang lebih baik di sekitar model tersebut. Seperti yang dinyatakan Suleyman, ini hanya permulaan, dan Microsoft mempertaruhkan segalanya pada apa yang ada di bawah permukaan.
