Microsoft Rilis MAI Code 2, Klaim 98% Performa GPT-6.1 Sol dengan 40% Biaya
Microsoft membangun model coding yang tidak mengaku paling pintar, melainkan paling murah untuk pekerjaan yang paling sering dikerjakan perusahaan.
Microsoft AI memperkenalkan MAI Code 2 dan MAI Code 2 Flash pada Selasa (17/11/2026) dalam acara Ignite. Menurut pengumuman Microsoft AI, MAI Code 2 "is at the frontier of price-performance for common enterprise coding tasks", sebuah klaim perusahaan yang diukur dengan sejumlah benchmark internal dan eksternal.
Klaim 98% Performa GPT-6.1 Sol
Angka utamanya adalah rata-rata empat benchmark: DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas, dan FrontierCode v1.1. Dari keempatnya, Microsoft menyatakan MAI Code 2 memberi 98 persen performa GPT-6.1 Sol dengan biaya 40 persen. Pembanding lain dalam pengumuman yang sama berasal dari vendor model berbeda dan tidak dimuat di sini.
Dalam evaluasi buta untuk pembuatan aplikasi antarmuka (frontend), pengembang lebih memilih hasil MAI Code 2 dibanding GPT-6 Sol pada 64 persen kasus. Catatan kaki Microsoft menyebut evaluasi itu melibatkan 258 anotator.
Versi Flash untuk Biaya Lebih Rendah
MAI Code 2 Flash disiapkan untuk perbaikan rutin. Microsoft mengklaim performanya sebanding GPT-6 Luna pada tiga benchmark coding dengan biaya 65 persen dari model pembanding itu. Nama ketiga benchmark tersebut tidak disebut di halaman pengumuman.
Harga yang tampil di halaman pengumuman adalah harga promo 50 persen untuk kedua model, tanpa nilai absolut dalam dolar. Pembaca yang ingin menghitung biaya sebenarnya perlu menunggu tarif resmi dari tiap platform penyedia.
Cara Pengujian dan Catatan Kaki
Catatan kaki Microsoft menyebut semua model dijalankan pada tingkat usaha penalaran maksimum. DeepSWE, Terminal Bench, dan SWE-Atlas dijalankan di MSBench, platform internal Microsoft, memakai GitHub Copilot CLI tanpa subagen. Skor dan biaya FrontierCode berasal dari Artificial Analysis. Halaman itu menulis nama benchmark terakhir sebagai "FrontierCode v1.1" di badan teks dan "FrontierCode 1.1" di catatan kaki, sehingga ada ketidakkonsistenan kecil dalam penamaan.
Karena sebagian besar pengujian berjalan di infrastruktur Microsoft sendiri, angka-angka ini layak diperlakukan sebagai klaim sepihak sampai ada replikasi dari pihak independen.
Tersedia di GitHub Copilot, Menyusul ke Platform Lain
Kedua model sudah tersedia di GitHub Copilot, yang belakangan menambah fitur lain seperti dukungan repositori Enterprise Server di aplikasi Copilot. MAI Code 2 Flash berstatus pratinjau dengan akses terbatas di Microsoft Foundry. Microsoft juga menyatakan model-model ini segera hadir di OpenRouter, Vercel, Hermes, OpenCode, dan Kilo.
Dari Excel sampai Teams
Microsoft turut menyinggung MAI Work Flash, turunan versi Flash untuk Microsoft 365 dan FabricIQ. Menurut perusahaan, hasilnya di Excel dan PowerPoint setara GPT-6 Luna, sedangkan di Word sebanding GPT-6.1 Sol dengan sekitar 42 persen token input lebih sedikit. Di Teams, modelnya disebut mengungguli GPT-6 Luna dengan hingga 28 persen token lebih sedikit. Untuk pembuatan kueri DAX (bahasa kueri analitik Microsoft) di FabricIQ secara offline, Microsoft mengklaim hasilnya melampaui GPT-5.6 Sol dan GPT-6 Astra.
Batasan yang Diakui Microsoft
Microsoft sendiri menyatakan model ini "explicitly not yet tuned for harder problems", dengan contoh riset sains fundamental dan pekerjaan agen jangka panjang. Artinya, sasarannya adalah tugas rutin perusahaan, bukan soal tersulit. Rangkuman The Neuron menggambarkannya sebagai bagian dari dorongan Microsoft ke model AI yang lebih spesialis.
Halaman pengumuman tidak memuat bagian keselamatan, dan tidak ada nama eksekutif Microsoft yang dikutip. Yang ditunggu berikutnya adalah tarif resmi di Copilot dan platform lain, serta apakah uji coba pengembang di luar MSBench menghasilkan rasio biaya dan performa yang sama.
Komentar (0)
Masuk untuk menulis komentar.
Belum ada komentar.