Microsoft AI baru saja meluncurkan dua model baru yang dirancang sendiri dalam preview publik pada hari Rabu. Model-model tersebut adalah MAI-Image-2.5-Pro, generator gambar dengan kualitas tertinggi hingga saat ini, dan MAI-Voice-2-Flash, model suara yang dibuat untuk menangani beban kerja enterprise yang besar. Selain itu, Microsoft juga membagikan data produksi yang menunjukkan bahwa perusahaan ini mampu menggerakkan produk-produk mereka sendiri tanpa bergantung pada model-model andalan OpenAI.
- MAI-Image-2.5-Pro dan MAI-Voice-2-Flash: Dua Ujung Berbeda dari Kurva Biaya AI
- Metrik Produksi Microsoft Tunjukkan Model Internal Mengurangi Biaya GPU hingga 89%
- Strategi ‘Hill-Climbing’ yang Memungkinkan Model Kecil Mengungguli GPT-5.6 di Excel
- Manifesto ‘Frontier Diffusion’ Satya Nadella Meredistribusi Hubungan dengan OpenAI
- Pengembang Sorak untuk Model Khusus Tugas yang Lebih Murah Sementara Skeptis Menyangsikan Rekam Jejak Microsoft
- Mengapa Microsoft Mengubah Panduan AI Internalnya menjadi Produk Azure
Pernyataan ini datang sekitar setahun setelah Microsoft berkomitmen untuk membangun model-model khusus secara internal, dengan penekanan besar mengenai di mana saja model-model tersebut akan digunakan: Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot, dan Azure. Pesan yang ingin disampaikan kepada pembeli enterprise — dan secara implisit kepada OpenAI — adalah bahwa model buatan Microsoft kini bukan lagi sekadar proyek riset. Model-model ini sudah menjadi infrastruktur produksi yang melayani jutaan pengguna.
“Setiap peningkatan ini adalah langkah menuju satu tujuan: produk Microsoft, didukung oleh model-model Microsoft,” tulis perusahaan dalam blog pengumuman mereka.
MAI-Image-2.5-Pro dan MAI-Voice-2-Flash: Dua Ujung Berbeda dari Kurva Biaya AI
Kedua rilis baru ini berada di ujung berlawanan dari apa yang disebut Microsoft sebagai kurva kualitas-kecepatan-biaya, dan penempatan ini sengaja dirancang. MAI-Image-2.5-Pro menargetkan tingkatan premium: citra hero, pengeditan detail, dan render teks yang presisi dalam gambar — yang mana ini adalah titik lemah yang dikenal dalam model-model generasi gambar. Microsoft mematok harga model ini pada $5 untuk satu juta token teks, $8 untuk satu juta token input gambar, dan $106 untuk satu juta token output gambar. Model dasar MAI-Image-2.5 baru-baru ini diluncurkan dan langsung menjadi nomor dua dalam pengeditan gambar di Arena, papan peringkat komunitas yang telah menjadi semacam papan skor untuk media generatif.
Industri kreatif tampaknya mulai memperhatikan. Rob Reilly, kepala kreatif global dari raksasa periklanan WPP, menyebut model Pro sebagai “loncatan besar untuk alat GenMedia” dalam pernyataan yang disertakan dalam pengumuman Microsoft, menambahkan bahwa “Microsoft telah dengan tegas menduduki posisi di antara para pemimpin dalam AI generatif.”
Di sisi lain, MAI-Voice-2-Flash berfokus pada pasar suara bervolume tinggi, lebih cepat dua kali lipat dibanding MAI-Voice-2 dan harganya 32% lebih murah, dipatok pada $15 per satu juta karakter. Model ini dirancang untuk pasar besar namun kurang glamor — di call center, agen suara, dan aplikasi ucapan waktu nyata di mana latensi dan biaya per panggilan lebih diperhitungkan dibandingkan peningkatan dalam ekspresivitas. Kedua model ini mencerminkan strategi Microsoft untuk membangun keluarga model ketimbang hanya satu model unggulan, sebab kebutuhan studio kreatif sangat berbeda dari operasi layanan pelanggan yang menangani jutaan panggilan setiap harinya.
Metrik Produksi Microsoft Tunjukkan Model Internal Mengurangi Biaya GPU hingga 89%
Peluncuran model-model ini mungkin bukan berita utama yang paling menarik, namun metrik pengerjaannya yang dilampirkan oleh Microsoft sangat mengesankan — angka-angka ini terlihat seperti argumen sistematik untuk mengganti model-model pihak ketiga dengan model-model internal dalam berbagai produk mereka.
Bing Image Creator kini sudah sepenuhnya menggunakan MAI-Image-2.5, menandai pertama kalinya alat gambar konsumen sepenuhnya beroperasi secara internal. Di PowerPoint, Microsoft mengklaim bahwa MAI-Image-2.5 mengurangi biaya GPU hingga 84% dibandingkan dengan GPT-Image-2, model gambar milik OpenAI. Di OneDrive, di mana MAI-Image-2.5 kini menjadi default untuk skenario pengeditan gambar kunci, perusahaan melaporkan peningkatan tingkat simpan hingga 26%, latensi P95 yang hampir 25% lebih rendah, serta efisiensi yang naik hingga 2,5 kali lipat pada beban produksi dengan pemanfaatan sedang.
Dari sisi suara, MAI-Voice-2-Flash kini mendukung Dynamics 365 Contact Center — platform yang digunakan oleh pelanggan seperti T-Mobile dan EasyJet — di mana Microsoft mengklaim pengurangan biaya GPU mencapai 89%. Model ini juga terintegrasi ke dalam Azure Voice Live untuk para pengembang yang membangun agen percakapan berbasis suara.
Mungkin penerapan yang paling berdampak terjadi di sektor kesehatan. Dragon Copilot Microsoft, yang digunakan oleh 170.000 penyedia layanan medis dan bertanggung jawab atas pemrosesan 28 juta interaksi pasien pada kuartal lalu, kini berjalan menggunakan MAI-Transcribe-1.5 untuk alur kerjanya yang multibahasa di 58 bahasa. Microsoft menyebutkan bahwa evaluasi internal menunjukkan pengurangan kesalahan transkripsi dan identifikasi bahasa hingga 50% — ini adalah klaim yang signifikan di bidang di mana kesalahan transkripsi dapat langsung berakibat pada catatan klinis.
Strategi ‘Hill-Climbing’ yang Memungkinkan Model Kecil Mengungguli GPT-5.6 di Excel
Dalam sebuah pos tambahan yang diterbitkan pada hari yang sama, Microsoft merinci metodologi di balik hasil-hasil ini — apa yang mereka sebut sebagai “mesin hill-climbing,” sebuah roda gigi terintegrasi dari data, model, dan “harness” produk yang mengelilinginya.
Contoh jelasnya adalah MAI-Code-1-Flash, model pengkodean ringan yang diluncurkan di GitHub Copilot pada bulan Juni. Microsoft mengklaim model ini mencapai tingkat penerimaan kode sekitar 10% lebih tinggi dibandingkan dengan GPT-5.4 Mini dan Claude Haiku 4.5 di VS Code, dengan menggunakan 10% token median lebih sedikit. Retensi pengembang juga menunjukkan tren yang sama: pengguna lebih 6% cenderung untuk kembali selama beberapa hari dibandingkan dengan GPT-5.4 Mini, dan 11% lebih cenderung dibandingkan dengan Claude Haiku 4.5.
Lalu Microsoft melakukan sesuatu yang lebih menarik. Mereka mengambil checkpoint MAI-Code-1-Flash dan melatihnya lebih lanjut dalam lingkungan pembelajaran penguatan Excel, mengajarkan model pengkodean tentang alat dan alur kerja dalam pekerjaan menggunakan spreadsheet. Hasilnya, berdasarkan umpan balik pengguna, adalah model yang setara dengan GPT-5.6 untuk tugas-tugas Excel yang paling umum — dengan ukuran yang cukup kecil untuk berjalan pada GPU Nvidia yang lebih tua seperti H100 dan bahkan A100 tanpa harus bergantung pada akselerator generasi terbaru.
Detail perangkat keras ini pantas untuk disoroti. Setiap perusahaan AI besar sedang berjuang untuk mengalokasikan chip mutakhir, dan model yang memberikan kualitas mendekati terbaik pada silicon yang berumur dua generasi berpotensi mengubah ekonomi penerapan. Ini juga membebaskan perangkat keras terbaru — termasuk kluster GB200 Microsoft yang sudah beroperasi — untuk pelatihan ketimbang untuk melayani.
Manifesto ‘Frontier Diffusion’ Satya Nadella Meredistribusi Hubungan dengan OpenAI
CEO Microsoft, Satya Nadella, menyampaikan pengumuman ini dalam sebuah pos panjang di X yang berjudul “Frontier Diffusion & Control,” yang berfungsi sebagai manifesto strategis. “Sekarang kita dapat mengambil kapabilitas frontier yang jenuh dan menyediakannya secara skala dan biaya yang lebih rendah melalui model-model yang dioptimalkan untuk produk-produk dengan penggunaan tinggi, sembari terus menggunakan model frontier untuk kebutuhan frontier,” kata Nadella, menambahkan bahwa Microsoft “mulai mengarahkan lalu lintas melalui permukaan-partai pertama kita ke MAI kapan pun model kami sesuai atau melebihi alternatif frontier.”
Dalam ungkapan yang lebih sederhana: kapabilitas yang dulunya mutakhir kini merupakan hal biasa, dan Microsoft yakin bisa mereproduksinya dengan biaya rendah untuk tugas-tugas spesifik dan repetitif yang mendominasi penggunaan produk nyata. Mengapa membayar harga premium untuk model frontier jika pengguna hanya ingin mengatur ulang kolom spreadsheet?
Nadella berhati-hati untuk mencatat bahwa “model-model frontier dari OpenAI dan Anthropic adalah bagian dari sistem orkestra yang berdampingan dengan MAI” — tetapi ia juga menegaskan prinsip kemandirian model, berargumen bahwa evaluasi perusahaan “harus terus bergeser meski model yang diberikan telah dihapus.”
“Menjaga harness, memori, konteks, dan keterampilan di luar model,” ujarnya, “adalah kunci bagi Microsoft untuk memiliki kontrol. Pesan tersiratnya cukup jelas. Reuters melaporkan pada bulan April bahwa lisensi eksklusif Microsoft untuk teknologi OpenAI telah diubah menjadi kesepakatan non-eksklusif, dan The Information melaporkan bulan lalu bahwa Microsoft mulai memasukkan model-model Anthropic ke dalam beberapa produk. Pengumuman Rabu menuntaskan segitiga ini: Microsoft sebagai orkestra, dengan model-model frontier milik mitranya sebagai komponen yang dapat dipertukarkan dan model-modelnya sendiri menyerap bagian yang semakin besar dari lalu lintas rutin.”
Pengembang Sorak untuk Model Khusus Tugas yang Lebih Murah Sementara Skeptis Menyangsikan Rekam Jejak Microsoft
Respons online menangkap baik daya tarik maupun skeptisisme terhadap strategi ini. “Saya suka melihat orang-orang menggunakan model-model kecil untuk tugas niche,” tulis seorang pengguna X, @mavihsk, menjawab pos Nadella. “Mengapa saya harus menggunakan model yang seolah tahu segalanya hanya untuk mengubah bidang saya di Excel?” Pengguna lain, @nabu_lines, menyarikan penawaran tersebut dengan baik: “biaya dan kinerja sama-sama meningkat ketika Anda berhenti menggunakan model terbesar secara berlebihan.”
Namun, ada juga yang kurang bersimpati terhadap rekam jejak eksekusi Microsoft. “Microsoft adalah yang terburuk dalam mendengarkan umpan balik pengguna,” tulis perancang @designedbyabin, dengan argumen perusahaan ini “akan kalah dalam perlombaan AI karena mereka terus gagal memahami kebutuhan pengguna.” Dan satu pengguna, @tokenoverflow, memberikan kritik lebih sederhana pada penawaran kemandirian model: “saya ingin ini terus berkembang setelah menghapus microsoft.”
Skeptis memang memiliki poin yang valid. Metrik yang dilaporkan sendiri oleh Microsoft — tingkat penerimaan, tingkat simpan, penghematan GPU — berasal dari evaluasi internal, bukan dari tolak ukur independen, dan perusahaan memilih perbandingan mana yang akan dipublikasikan.
Tetapi logika strategi ini tidak bergantung pada satu angka saja. Penjelasan Nadella bahwa perangkat lunak kini memiliki “biaya marjinal yang nyata untuk pertama kalinya” menjelaskan mengapa Microsoft sangat memperhatikan token, GPU, dan biaya layanan: ketika fitur-fitur AI berfungsi pada setiap ketikan di portofolio produk yang memiliki miliaran pengguna, pengurangan biaya GPU 84% bukanlah sekadar optimalisasi. Itu adalah perbedaan antara bisnis yang layak dan jurang finansial.
Mengapa Microsoft Mengubah Panduan AI Internalnya menjadi Produk Azure
Bagian terakhir dari strategi ini adalah Microsoft tidak hanya menjual model-model, tetapi juga panduan cara kerjanya. Nadella secara eksplisit memposisikan pendekatan hill-climbing sebagai “template bagi setiap perusahaan AI native, SaaS, atau Enterprise lainnya,” dan Microsoft sedang mengemas alat bantu melalui Foundry dan apa yang disebutnya Frontier Tuning — yang memungkinkan enterprise untuk melatih model-model khusus berdasarkan evaluasi dan lingkungan pembelajaran penguatan mereka sendiri. Ini mengubah latihan penghematan biaya internal Microsoft menjadi produk Azure, dan memberi pelanggan enterprise alasan untuk menjalankan beban kerja AI mereka di cloud Microsoft bahkan jika model-model itu berasal dari tempat lain.
Penekanan perusahaan pada model-model yang dilatih “di data berbobot yang bersih, dapat ditelusuri, dan berkualitas enterprise, tanpa penyaringan dari model-model pihak ketiga” melayani tujuan komersial yang sama. Dalam industri yang semakin diperiksa terkait asal muasal data pelatihan, Microsoft bertaruh bahwa pembeli enterprise — dan pengadilan — akan peduli dari mana kapabilitas model berasal. Microsoft mengklaim kini memperpanjang pendekatan hill-climbing ini ke Copilot Chat, Outlook, dan PowerPoint, dan kedua model baru kini tersedia dalam preview publik melalui Microsoft Foundry dan MAI Playground. “Semua ini bukanlah titik akhir,” tulis perusahaan. “Kami baru saja memulai.”
Tujuh tahun lalu, Microsoft mempertaruhkan lebih dari $13 miliar bahwa OpenAI akan membangun masa depan AI. Pengumuman Rabu menunjukkan bahwa perusahaan ini telah belajar pelajaran yang lebih murah: masa depan AI mungkin milik siapa saja yang membangun frontier, tetapi keuntungannya milik mereka yang menjadikannya sesuatu yang biasa.
