Model MAI AI Microsoft: Rincian Klaim Biaya 89%

Angka paling nyaring yang beredar di sekitar obrolan MAI baru dari Microsoft adalah 89%, persis jenis “permen” pengadaan yang rapi yang bisa membuat tim keuangan melayang tiga inci di atas kursi ergonomis mereka. Masalahnya lebih sederhana dan tidak sekilau itu: materi publik yang dikutip di sini tidak menunjukkan perbandingan biaya 89% versus OpenAI. Materi tersebut memang menunjukkan Microsoft mendorong lebih banyak model pihak pertama ke Foundry, termasuk pekerjaan gambar dan suara, dan itu tetap menarik secara strategis. Selain itu, bukti resmi menyebut MAI-Image-2.5, bukan MAI-Image-2.5-Pro, karena penamaan model tampaknya perlu berubah menjadi audit pajak kecil-kecilan.

Peluncuran ini adalah perluasan Foundry, bukan trik sulap solo Menurut Naomi

Moneypenny di Microsoft Foundry Blog, Microsoft mengumumkan model MAI baru di Microsoft Build 2026 pada 02 Jun 2026, memperluas Microsoft Foundry di bidang teks dan penalaran, gambar, suara, dan ucapan. Postingan itu mengatakan Microsoft sebelumnya sudah meluncurkan MAI-Image-2-Efficient, MAI-Image-2, MAI-Voice-1, dan MAI-Transcribe-1 di Foundry pada awal musim semi. Itu penting karena ini bukan peluncuran model sekali jadi yang diberi pencahayaan konferensi. Ini adalah Microsoft yang sedang membangun menu AI pihak pertama di dalam konter cloud yang sama tempat para developer enterprise sudah memesan “kentang goreng” komputasi mereka. Chance Townsend dari Mashable melaporkan bahwa Microsoft meluncurkan tujuh model AI baru untuk pelanggan Microsoft di bidang penalaran, suara, coding, dan gambar. Publikasi ulang Yahoo atas laporan Mashable menambahkan bahwa pengumuman tersebut muncul selama keynote Microsoft Build 2026 Satya Nadella dan berdampingan dengan berita stack yang lebih luas, dari silikon hingga sistem operasi sampai infrastruktur cloud. Saya akan menyerahkan arkeologi silikon kepada Theo, karena begitu diagram chip muncul, lelucon saya mulai mengalami thermal throttling.

Masalah bukti di sekitar 89% Cerita biayanya nyata, tetapi lebih sempit daripada

monster judul yang ingin membuatnya terlihat. Microsoft Foundry Blog mengatakan MAI-Thinking-1 adalah large language model pertama Microsoft dan dirancang untuk penalaran, matematika, dan kecerdasan umum dengan “sebagian kecil dari biaya model lain.” Itu klaim yang bermakna bagi para builder, terutama siapa pun yang membayar tarif inferensi premium untuk merangkum formulir, mengarahkan tiket, atau mengklasifikasikan dokumen seperti intern yang sangat mahal dengan kebiasaan memakai GPU. Yang tidak diberikan oleh bukti yang dikutip adalah angka penghematan 89% yang diungkapkan versus OpenAI, maupun tabel harga yang mengaitkan angka itu dengan MAI-Image-2.5 atau MAI-Voice-2-Flash. Direktori model AI There's An AI For That memiliki halaman untuk MAI Voice 2 Flash, tetapi cuplikan yang tersedia di sini tidak memberikan harga enterprise, benchmark, atau metodologi perbandingan. Jadi pembacaan yang masuk akal adalah ini: Microsoft jelas sedang berargumen untuk model internal yang lebih murah dan terspesialisasi, tetapi perbandingan 89% yang tepat membutuhkan bukti sebelum siapa pun membangun deck anggaran di atasnya. Percaya, tetapi verifikasi, sebaiknya sebelum CFO mempelajari frasa token burn.

Gambar mendapatkan sinyal kemampuan paling jelas Postingan MAI-Image-2.5 milik

Microsoft AI sendiri diberi judul seputar peringkat No. 2 untuk pengeditan gambar di Arena, yang memberi model gambar itu posisi publik paling jelas di antara materi yang dikutip. Microsoft Foundry Blog menggambarkan MAI-Image-2.5 sebagai model generasi gambar yang diperbarui yang menambahkan pengeditan image-to-image dan rangkaian kontrol dengan kemampuan preservasi. Itu bahasa yang berguna, bukan sekadar konfeti leaderboard, karena workflow gambar enterprise sering kali tidak terlalu peduli pada membuat naga makan ramen dan lebih peduli pada mengedit foto produk tanpa mengubah logo menjadi sup alfabet terkutuk. Di sinilah pelajaran routing model menjadi praktis. Jika workflow gambar membutuhkan preservasi, kontrol pengeditan, dan integrasi yang dapat diprediksi ke Foundry, model terspesialisasi mungkin menjadi default yang lebih baik daripada mengirim setiap permintaan ke model frontier terbesar yang tersedia dan berharap tagihannya berbelas kasih. Model yang lebih besar luar biasa saat Anda membutuhkan penalaran luas, tetapi menggunakannya untuk tugas generasi yang terbatas bisa seperti menyewa pengacara konstitusi untuk memberi label pada sisa makanan Anda.

Pelajaran bagi builder adalah diet ketergantungan, bukan maksimalisme model Emma

Thompson dari EdTech Innovation Hub melaporkan bahwa Microsoft AI meluncurkan tujuh model MAI internal yang mencakup penalaran, coding, generasi gambar, suara, dan transkripsi, bersama Microsoft Frontier Tuning untuk menyesuaikan model dengan workflow organisasi. Bagian terakhir itu adalah petunjuk enterprise-nya. Perusahaan tidak hanya menginginkan model yang pintar, mereka menginginkan model yang cocok dengan batasan data, target latensi, proses tata kelola, dan ritual pengadaan mereka, empat penunggang kuda adopsi AI korporat. Bagi developer, intinya bukan bersumpah setia kepada satu keluarga model selamanya. Intinya adalah merutekan beban kerja berdasarkan bentuknya: gunakan model umum yang lebih kuat saat kedalaman penalaran penting, lalu pindahkan tugas gambar, ucapan, transkripsi, dan coding yang berulang ke model terspesialisasi ketika kualitasnya tetap terjaga. Microsoft membangun stack MAI miliknya sendiri di dalam Foundry adalah pengingat konkret bahwa bahkan raksasa platform pun menginginkan pilihan. Ketergantungan itu baik-baik saja sampai tagihan berubah menjadi product manager. Selanjutnya, perhatikan angka-angka membosankan, yang biasanya justru penting: harga per model, latensi, metodologi benchmark, ketersediaan per wilayah, dan apakah MAI-Voice-2-Flash mendapatkan tingkat detail publik yang sama seperti MAI-Image-2.5. Jika Microsoft menerbitkan perbandingan 89% yang nyata dengan asumsi beban kerja, bagus, kita semua bisa menajamkan kalkulator. Sampai saat itu, langkah cerdasnya adalah uji coba, ukur, rutekan, ulangi, karena strategi AI sebagian besar adalah perpipaan dengan hoodie yang lebih keren.