Microsoft pada 23 Juli merilis dua model baru untuk pratinjau publik: MAI-Image-2.5-Pro dan MAI-Voice-2-Flash; sekaligus mengungkap data internal bahwa setelah pusat layanan menggunakan MAI-Voice-2-Flash, biaya komputasi turun 89%. CEO Microsoft Satya Nadella mengatakan, ketika model buatan mereka performanya setara atau melampaui solusi terdepan, maka mereka akan mengarahkan lalu lintas ke MAI.
Fokus fungsi dan penetapan harga MAI-Image-2.5-Pro serta MAI-Voice-2-Flash
MAI-Image-2.5-Pro menargetkan generasi citra tingkat lanjut, dengan harga 5 dolar AS per 170k token masukan teks, dan 106 dolar AS per 1 juta token keluaran gambar; Bing Image Creator kini sepenuhnya beralih ke MAI-Image-2.5. Rob Reilly, Chief Creative Officer WPP, dalam pengumuman Microsoft menyebutnya sebagai “lompatan besar dalam alat pembuatan media”.
MAI-Voice-2-Flash menargetkan skenario pemrosesan suara dalam jumlah besar (seperti pusat layanan pelanggan), dua kali lebih cepat dari pendahulunya dan biaya lebih rendah 32%; setelah pusat layanan pelanggan beralih ke model ini, biaya komputasi turun 89%. Pengumuman ini juga membeberkan efektivitas penerapan Bing Image Creator, PowerPoint (biaya GPU lebih rendah 84% dibanding GPT-Image-2), OneDrive (tingkat penyimpanan +26%, latensi -25%), serta Dragon Copilot (tingkat kesalahan -50%).
Pencapaian spesifik penghematan biaya GPU
Microsoft dalam pengumuman mengungkap efektivitas di berbagai skenario berikut:
MAI-Voice-2-Flash (suara pusat layanan pelanggan): biaya komputasi turun 89%; dua kali lebih cepat dari pendahulu, biaya lebih rendah 32%
MAI-Image-2.5-Pro (PowerPoint): biaya GPU lebih rendah 84% dibanding OpenAI GPT-Image-2
OneDrive ganti model: tingkat penyimpanan meningkat 26%, latensi turun sekitar 25%
Dragon Copilot (MAI-Transcribe-1.5, transkripsi medis): melayani 170 ribu tenaga medis; pada kuartal lalu memproses 28 juta catatan pasien; kesalahan transkripsi dan pengenalan bahasa secara relatif turun 50% untuk 58 jenis bahasa lintas bahasa
MAI-Code-1-Flash (GitHub Copilot): tingkat adopsi kode sekitar 10% lebih tinggi dibanding GPT-5.4 Mini dan Claude Haiku 4.5; konsumsi token turun 10%; dapat dijalankan pada GPU H100 bahkan A100
Strategi “perpetual momentum” Nadella dan logika arus lalu lintas MAI menggantikan model terdepan
Nadella di X memposting dengan judul “difusi terdepan dan kendali,” menjelaskan strategi model Microsoft: ketika model buatan sendiri performanya diseimbangkan atau melampaui solusi pengganti terdepan, maka lalu lintas akan diarahkan ke MAI, agar layanan dapat diberikan secara besar-besaran dengan biaya lebih rendah. Penopang strategi ini adalah metodologi “hill-climbing”: membuat “roda berputar” yang berkelanjutan—data, model, dan produk membentuk “sistem pendukung”—bukan mempertaruhkan hidup-mati pada satu pelatihan tunggal.
Ia juga menyatakan bahwa sistem evaluasi “meski menghilangkan model apa pun, harus tetap terus memanjat”—meninggalkan jejak ingatan dan keterampilan di luar model, sehingga membentuk kendali yang benar-benar dikuasai Microsoft. Setelah MAI-Code-1-Flash dilatih lebih lanjut di lingkungan reinforcement learning Excel, ia dapat dijalankan pada GPU H100 dan A100 generasi lama, menyeimbangkan GPT-5.6 pada sebagian besar tugas Excel, sekaligus membebaskan klaster GB200 terbaru untuk pelatihan, bukan permintaan layanan.
Pertanyaan yang sering diajukan
Berapakah harga MAI-Image-2.5-Pro dan MAI-Voice-2-Flash?
MAI-Image-2.5-Pro berharga 5 dolar AS per 1 juta token masukan teks, dan 106 dolar AS per 1 juta token keluaran gambar; sudah tersedia dalam pratinjau publik Azure. MAI-Voice-2-Flash dua kali lebih cepat dari pendahulunya dan biaya lebih rendah 32%; detail penetapan harganya mengacu pada pengumuman resmi Azure.
Microsoft menyebut penurunan biaya GPU maksimum setelah beralih ke model MAI berapa?
Berdasarkan data internal yang dipublikasikan Microsoft, setelah pusat layanan pelanggan menggunakan MAI-Voice-2-Flash, biaya komputasi turun 89%; setelah PowerPoint menggunakan model gambar MAI, biaya GPU turun 84% dibanding GPT-Image-2; setelah Dragon Copilot beralih ke MAI-Transcribe-1.5, tingkat kesalahan transkripsi dan pengenalan bahasa secara relatif turun 50%. Namun, seluruh angka di atas berasal dari evaluasi internal Microsoft, bukan pengujian independen berbasis tolok ukur pihak ketiga.
Bagaimana pelanggan perusahaan menggunakan metode pelatihan Microsoft untuk MAI melalui Azure?
Microsoft melalui Foundry dan Frontier Tuning di Azure memungkinkan pelanggan perusahaan menggunakan data mereka sendiri untuk melatih model khusus; Microsoft menekankan bahwa pelatihan model ini dilakukan dari “data tingkat perusahaan yang bersih dan dapat ditelusuri, tanpa distilasi dari model pihak ketiga,” untuk menjawab isu kepatuhan terkait sumber data pelatihan.
