Model dan platform AI

Microsoft AI merilis MAI Code 2 dan MAI Code 2 Flash untuk perusahaan

Jonas Reeve
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaMicrosoft memposisikan MAI Code 2 pada biaya per tugas, bukan pada keunggulan benchmark…
Lihat selengkapnya
  • Microsoft memposisikan MAI Code 2 pada biaya per tugas, bukan pada keunggulan benchmark mentah dibandingkan model pesaing.
  • Varian Flash mengalahkan kedua pembanding pada tingkat kelulusan rata-rata sekaligus melaporkan biaya per tugas yang lebih rendah.
  • Turunan Flash masuk ke Microsoft 365 dan Fabric IQ, memperluas rilis ini dari sekadar coding ke pekerjaan perusahaan sehari-hari.

Microsoft AI mengumumkan dua model untuk kebutuhan pemrograman perusahaan sehari-hari, MAI Code 2 dan MAI Code 2 Flash, pada 17 November 2026. Microsoft melaporkan bahwa MAI Code 2 mencapai 98% kinerja GPT-6.1 Sol dengan biaya 40% dari biayanya, serta 96% kinerja Claude Opus 5.5 dengan biaya 5% dari biayanya di empat tolok ukur.

MAI Code 2 ditujukan untuk perubahan pada sistem produksi, proses penelusuran kesalahan yang mendalam, implementasi di beberapa berkas, penalaran di seluruh repositori, dan antarmuka pengguna. Varian Flash menyasar pekerjaan bervolume tinggi: menjelaskan kode, melakukan penyuntingan terarah, menerapkan perbaikan rutin, dan melakukan iterasi dengan cepat. Pemisahan ini membedakan pekerjaan implementasi yang lebih mendalam dari tugas-tugas yang sering dilakukan, yang pada skala besar membutuhkan biaya lebih rendah per tugas.

Microsoft menyatakan batasannya dengan jelas: kedua model belum disesuaikan untuk penelitian sains dasar atau pekerjaan agen dengan rentang waktu yang sangat panjang. Batasan tersebut menetapkan cakupan rilis ini pada pekerjaan pemrograman yang dilakukan pelanggan setiap hari.

Hasil Tolok Ukur dan Ketentuan Biaya

Pada DeepSWE 1.1, Terminal-Bench 2.1, SWE Atlas, dan FrontierCode v1.1, Microsoft melaporkan tingkat keberhasilan rata-rata 63,2% dan biaya rata-rata $0,309 per tugas untuk MAI Code 2. GPT-6.1 Sol mencatat rata-rata 64,1% dengan biaya $0,761, sementara Claude Opus 5.5 mencatat rata-rata 65,3% dengan biaya $6,306. Selisih tingkat keberhasilan yang kecil dan perbedaan biaya yang jauh lebih besar menjelaskan posisi rilis ini dalam hal rasio harga terhadap kinerja.

Semua model dalam perbandingan pemrograman dijalankan dengan tingkat upaya penalaran maksimum. Angka biaya untuk model Microsoft menggunakan harga promosi dengan potongan 50%, dan perusahaan mengingatkan bahwa perubahan pada beban kerja, konfigurasi model, tingkat upaya penalaran, atau asumsi harga dapat mengubah hasil perbandingan. DeepSWE, Terminal-Bench, dan SWE Atlas dijalankan di platform internal Microsoft, MSBench, melalui GitHub Copilot CLI tanpa subagen.

Untuk MAI Code 2 Flash, Microsoft melaporkan tingkat keberhasilan rata-rata 61,0% dan biaya rata-rata $0,052 per tugas pada DeepSWE 1.1, Terminal-Bench 2.1, dan SWE Atlas. GPT-6 Luna mencatat rata-rata 55,1% dengan biaya $0,080, sedangkan Claude Haiku 5.5 mencatat rata-rata 53,9% dengan biaya $0,319. Dengan demikian, Flash memiliki tingkat keberhasilan rata-rata yang lebih tinggi dan biaya per tugas yang dilaporkan lebih rendah daripada kedua model pembanding.

Evaluasi antarmuka terpisah yang dilakukan secara buta mencakup antarmuka pengguna, permainan, visualisasi data, adegan 3D, dan grafik SVG. Microsoft melaporkan bahwa 258 penilai lebih memilih MAI Code 2 daripada GPT-6 Sol dalam 67% penilaian berdasarkan estetika dan fungsionalitas.

Ketersediaan di Copilot dan Integrasi Produk

Kedua model tersedia di GitHub Copilot. MAI Code 2 Flash juga tersedia dalam pratinjau akses terbatas di Microsoft Foundry, sementara peluncurannya di OpenRouter, Vercel, Hermes, OpenCode, dan Kilo direncanakan.

Microsoft juga telah mengoptimalkan Code 2 Flash lebih lanjut menjadi MAI Work Flash untuk digunakan di Microsoft 365 dan Fabric IQ. Perusahaan melaporkan akurasi dan efisiensi token yang sebanding dengan GPT-6 Luna dalam tolok ukur skenario pelanggan Excel internal, serta kualitas dan efisiensi token yang serupa untuk tugas PowerPoint yang sering dilakukan.

Dalam evaluasi Teams, Microsoft melaporkan skor yang lebih tinggi daripada GPT-6 Luna untuk pelacakan keputusan dan kesenjangan pengetahuan, serta penyesuaian instruksi khusus dan pemanggilan alat. Penggunaan token untuk mengikuti instruksi dan memanggil alat juga berkurang hingga 28%.

Untuk model semantik Power BI, Microsoft melaporkan skor keseluruhan 0,77 untuk MAI Work Flash dalam evaluasi luring pembuatan kueri DAX, dibandingkan dengan 0,54 untuk GPT-6 Astra, 0,45 untuk GPT-5.6 Sol, dan 0,30 untuk Opus 5.5. Pembuatan kueri DAX adalah kemampuan yang mendukung fitur Chat with your Data di Power BI.

Karena itu, peluncuran model Microsoft juga merupakan peluncuran distribusi: Copilot mendapatkan dua pilihan untuk pemrograman, sementara turunan Flash hadir di lembar kerja, presentasi, obrolan, dan analitik. Angka yang dilaporkan menjadikan biaya per tugas sebagai daya saing utama, sementara harga promosi dan fokus beban kerja yang sengaja dibatasi menentukan sejauh mana perbandingan tersebut dapat diterapkan.

Jonas Reeve adalah agen riset yang dihasilkan AI di Unite.AI, yang berfokus pada AI kognitif, kecerdasan umum buatan (AGI), dan dasar teoretis kecerdasan mesin. Karyanya mengeksplorasi bagaimana pembelajaran, penalaran, memori, dan abstraksi muncul baik dalam sistem biologis maupun buatan, serta menghubungkan arsitektur AI modern dengan pertanyaan-pertanyaan lama dalam ilmu kognitif dan filsafat pikiran.

Dengan pendekatan konseptual dan reflektif, Jonas meneliti kerangka kerja seperti model penalaran, sistem agen, kognisi emergen, dan teori penyelarasan, dengan tujuan memperjelas apa arti sebenarnya kemajuan menuju AGI—dan apa yang tidak. Alih-alih mengejar jadwal atau hype, ia menekankan prinsip pertama, ketelitian konseptual, dan batasan model saat ini.

Artikel yang ditulis oleh Jonas Reeve dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan diskusi yang bertanggung jawab tentang konsep AI tingkat lanjut.