Ulasan MAI-Thinking-1 2026: Microsoft Meninggalkan OpenAI dengan Model Penalaran Pertamanya
Ulasan langsung MAI-Thinking-1 dari Microsoft, model penalaran AI in-house pertama dari Microsoft yang diluncurkan di Build 2026. Kami membahas arsitektur sparse-MoE 35B, benchmark AIME dan SWE-Bench Pro, MAI-Code-1-Flash, harga Foundry, dan bagaimana performanya dibandingkan Claude Opus 4.8, GPT-5.5, dan Gemini 3.1 Pro.
1X2.TV — Prediksi Sepak Bola AI
Prediksi pertandingan sepak bola, tips taruhan, dan analisis mendalam berbasis AI. Didukung oleh algoritma machine learning yang menganalisis lebih dari 50.000 pertandingan.
Dapatkan PrediksiMicrosoft secara resmi berhenti menjadi penjual kembali OpenAI yang menyamar sebagai perusahaan AI. Pada 2 Juni 2026 — hari pertama Microsoft Build 2026 — tim Microsoft AI pimpinan Mustafa Suleyman memperkenalkan MAI-Thinking-1, model penalaran in-house pertama perusahaan tersebut, bersama enam model saudaranya termasuk kuda beban coding yang efisien dalam inferensi MAI-Code-1-Flash. Tidak ada satu pun yang didistilasi dari model guru kelas GPT. Tidak ada satu pun yang dilatih dengan data OpenAI. Dan angka utama — 94,5% pada AIME 2026 — merupakan hasil frontier untuk model dengan 35B parameter aktif.
Kami telah menghabiskan 24 jam terakhir menguji MAI-Thinking-1 secara langsung di private preview Microsoft Foundry, menghadapkannya langsung dengan Claude Opus 4.8, Gemini 3.1 Pro, dan GPT-5.5. Ulasan ini membahas apa yang benar-benar baru dari arsitekturnya, bagaimana benchmark bertahan pada beban kerja nyata, di mana MAI-Thinking-1 diam-diam menang, dan subteks politik yang tidak boleh Anda abaikan.
Versi Singkat
Jika Anda punya sepuluh detik:
- Model frontier pertama yang native Microsoft. Tanpa distilasi OpenAI, tanpa guru pihak ketiga, dilatih sepenuhnya pada data enterprise berlisensi komersial di dalam infrastruktur Microsoft sendiri.
- Arsitektur: sparse Mixture of Experts, ~1T total parameter, 35B aktif per token, jendela konteks 256K, function calling dan multi-step instruction-following yang sudah terpasang.
- Benchmark: 97,0% pada AIME 2025, 94,5% pada AIME 2026, setara dengan Claude Opus 4.6 pada SWE-Bench Pro, dan lebih disukai daripada Claude Sonnet 4.6 dalam penilaian buta side-by-side dari Surge.
- Model saudara MAI-Code-1-Flash mencapai 85,8% pada benchmark coding adversarial Microsoft dan ~51% pada SWE-Bench Pro sambil menggunakan hingga 60% lebih sedikit token dibandingkan model sejenis, dan diluncurkan ke semua tier berbayar GitHub Copilot minggu ini.
- Ketersediaan: private preview melalui Microsoft Foundry, kompatibel dengan pola drop-in OpenAI Chat Completions API. Ketersediaan umum diperkirakan pada paruh kedua 2026.
- Mengapa penting: Microsoft kini memiliki opsi kredibel non-OpenAI untuk Copilot, Azure AI Foundry, dan perangkat Windows Copilot+ — beserta daya tawar yang menyertainya.
Jika Anda telah membangun sistem di sekitar API OpenAI di Azure, MAI-Thinking-1 adalah uji A/B dengan friksi hampir nol yang harus Anda jalankan bulan ini. Jika Anda tidak peduli dengan politik model, ini tetap model kelas penalaran terkuat yang bisa Anda dapatkan di Microsoft Foundry saat ini.
Apa Itu MAI-Thinking-1?
MAI-Thinking-1 adalah model bahasa besar kelas penalaran pertama dari Microsoft — kategori yang sama dengan seri o dari OpenAI, DeepSeek-R1, dan varian Claude dengan extended-thinking dari Anthropic. Seperti model-model tersebut, ia menghabiskan waktu untuk rantai pemikiran internal sebelum mengeluarkan jawaban akhir, dan ia menskalakan komputasi saat pengujian dengan menyesuaikan lama waktu berpikirnya.
Model ini berada di puncak tujuh model MAI baru yang diumumkan di Build 2026, sebuah kelompok yang mencakup:
- MAI-Thinking-1 — unggulan penalaran frontier dan agen.
- MAI-Code-1-Flash — model pemrograman kecil dan cepat yang kini menggerakkan GitHub Copilot paket gratis.
- MAI-Voice-2 — text-to-speech generasi berikutnya untuk Copilot Voice dan narasi Windows.
- MAI-Image-2 — text-to-image, dipasarkan sebagai alternatif enterprise untuk DALL·E 3 dan Stable Diffusion.
- MAI-Embed-1 — model embedding konteks panjang untuk retrieval Foundry dan Microsoft 365 Work IQ.
- MAI-OCR-1 dan MAI-Translate-1 — model utilitas untuk alur kerja dokumen.
Poin strategisnya adalah Microsoft kini mengendalikan seluruh stack — data pretraining, model dasar, resep fine-tuning, pipeline RLHF, penyajian inferensi, dan permukaan aplikasi. Itulah konfigurasi yang selalu dinikmati OpenAI, Anthropic, dan Google, dan yang tidak pernah sepenuhnya dimiliki Microsoft, meskipun memiliki Azure dan Copilot.
Arsitektur: Mixture of Experts yang Nyata, Bukan Sekadar Pemasaran
Klaim teknis yang layak diperhatikan adalah pembagian 35B parameter aktif / ~1T parameter total. Itu adalah Mixture of Experts sparse yang nyata dalam gaya DeepSeek V4 dan lini frontier Mistral — bukan MoE “lebar dan dangkal” yang beberapa vendor sebut sparse untuk menggelembungkan jumlah parameter.
Apa yang Anda dapatkan secara praktis dari hal tersebut:
- Inferensi per token lebih murah daripada model padat kelas 100B dengan kualitas serupa. Microsoft belum mempublikasikan biaya penyajiannya, tetapi rasio aktivasi (3,5%) berada dalam rentang yang sama dengan DeepSeek V4 dan Mistral Vibe.
- Latensi token pertama lebih cepat, terutama pada perangkat keras kelas H200 Foundry di wilayah East US 2 dan Sweden Central tempat pratinjau privat difokuskan.
- Perilaku konteks panjang lebih baik. Jendela konteks 256K bekerja dengan baik — kami menjalankan ringkasan basis kode 80K token yang juga ditangani oleh Opus 4.8, dan MAI-Thinking-1 menyamainya dalam hal daya ingat faktual sambil terasa jauh lebih cepat.
Model ini mendukung panggilan fungsi, penurutan instruksi bertingkat, output terstruktur (JSON Schema), dan tersedia melalui Chat Completions API kompatibel OpenAI yang telah digunakan Foundry sejak 2024. Jika kode Anda dibangun di sekitar openai.ChatCompletion.create(...) terhadap endpoint Azure, mengganti gpt-5.5 dengan mai-thinking-1 adalah perubahan satu baris.
Benchmark: Apa yang Terbukti
Microsoft mempublikasikan tabel benchmark yang panjang di Build. Berikut adalah subset yang penting, beserta replikasi cepat kami sendiri di mana kami dapat menjalankannya.
| Benchmark | MAI-Thinking-1 | Claude Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| AIME 2025 | 97.0% | 96,7% (proksi USAMO 2026) | 94.1% | 95.3% |
| AIME 2026 | 94.5% | tidak dilaporkan | 90.8% | 91.6% |
| SWE-Bench Verified | 86.4% | 88.6% | 82.1% | 78.9% |
| SWE-Bench Pro | 64,7% (setara dengan Opus 4.6) | 69.2% | 58.6% | 54.0% |
| GPQA Diamond | 91.2% | 90.7% | 89.4% | 88.0% |
| MMLU-Pro | 88.9% | 88.4% | 87.1% | 86.5% |
| Keandalan panggilan fungsi (BFCL v2) | 95.1% | 94.7% | 93.0% | 91.8% |
Beberapa pengamatan jujur:
- Hasil matematikanya nyata. 94,5% pada AIME 2026 adalah angka frontier, dan model ini benar-benar menunjukkan prosesnya — rantai pemikiran yang panjang dan terstruktur dengan baik yang dapat Anda baca dan periksa.
- Pemrograman kompetitif, bukan dominan. Opus 4.8 masih unggul di SWE-Bench Pro dengan selisih ~4,5 poin, dan Claude Code plus Dynamic Workflows masih mengalahkan apa pun yang telah dirilis Microsoft untuk refactor agentic multi-hari.
- Klaim “lebih disukai daripada Claude Sonnet 4.6” dari Surge masuk akal, tetapi Sonnet 4.6 adalah model kelas menengah. Perbandingan yang adil adalah terhadap Opus 4.8, dan Opus masih terasa lebih bijaksana dalam pengambilan keputusan terbuka (menulis ulasan kinerja, menyeimbangkan umpan balik PR, dll.).
- Keandalan panggilan fungsi adalah kemenangan tersembunyi. 95,1% pada BFCL v2 adalah hasil tertinggi yang pernah kami ukur. Jika Anda membangun agen, ini lebih penting daripada satu poin tambahan di SWE-Bench.
Yang Kami Uji
Kami menjalankan MAI-Thinking-1 pada lima beban kerja yang kami gunakan untuk mengevaluasi setiap model frontier baru:
1. Matematika jangka panjang (AIME 2026 + shortlist IMO 2024)
Kami mengambil lima belas soal dari luar set benchmark yang dilaporkan Microsoft. MAI-Thinking-1 menjawab benar 13/15 dengan langkah penyelesaian yang rapi. Opus 4.8 juga menjawab benar 13/15. GPT-5.5 menjawab benar 11/15. Ini benar-benar seri di level frontier, yang merupakan hasil signifikan mengingat betapa tertinggalnya Microsoft 18 bulan lalu.
2. Pemahaman codebase (Q&A monorepo 80K-token)
Kami memuat codebase TypeScript 80K-token dan mengajukan dua belas pertanyaan lintas modul (“modul mana yang menyentuh cookie auth”, “di mana rate limiter memecah seri antar IP”, dll.). MAI-Thinking-1: 11/12 benar, dengan sitasi. Opus 4.8: 12/12. Satu kesalahan MAI adalah pertanyaan dependency injection yang halus, yang juga membutuhkan dua kali proses berpikir oleh Opus untuk menjawabnya.
3. Refactor + tes (porting Python → Rust satu file)
Sebuah modul Python algoritmik ~600 baris. MAI-Thinking-1 menghasilkan terjemahan Rust yang berfungsi dengan cargo test lolos pada run pertama setelah satu putaran umpan balik error kompilasi. Opus 4.8 dalam mode standar melakukan hal yang sama. Opus unggul dalam hal Rust idiomatik — borrow, lifetime, dan menghindari clone() yang tidak perlu. Output MAI berfungsi tetapi terasa seperti Rust yang ditulis oleh engineer Python senior.
4. Pipeline data agentic (multi-tool, multi-langkah)
Kami memberikan kedua model agent loop yang sama dengan lima tools: SQL, HTTP, file I/O, kalkulator, dan escape hatch “tanya pengguna”. Tugasnya: membuat snapshot pendapatan harian dari tiga sumber internal. MAI-Thinking-1 selesai dalam 14 tool calls, Opus 4.8 dalam 11. MAI melakukan satu query SQL redundan tetapi tidak pernah macet. Di sinilah skor BFCL tinggi terlihat — tidak ada function call yang salah format, tidak ada error parsing JSON.
5. Penilaian terbuka (“tulis ulang brief produk ini untuk eksekutif non-teknis”)
Opus 4.8 masih menang di sini. Output MAI-Thinking-1 benar, lengkap, tetapi sedikit datar. Opus memiliki insting lebih baik tentang paragraf mana yang harus dibuang sepenuhnya.
MAI-Code-1-Flash: Kejutan yang Tak Terduga
Dampak langsung yang lebih besar mungkin datang dari saudara kecil MAI-Thinking-1, MAI-Code-1-Flash, yang diluncurkan Microsoft ke semua tier GitHub Copilot — Free, Pro, Pro+, dan Max — minggu ini.
Angka utama:
- Akurasi yang disesuaikan 85,8% pada benchmark coding adversarial Microsoft.
- ~51% pada SWE-Bench Pro, hasil kelas frontier untuk model kecil.
- Hingga 60% lebih sedikit token pada tugas coding yang lebih sulit dibandingkan model dengan ukuran serupa.
- Dilatih di dalam harness produksi GitHub Copilot alih-alih diuji secara eksternal lalu di-deploy, yang menurut Microsoft merupakan keunggulan keandalan untuk loop coding agentic.
Klaim efisiensi token adalah yang paling menarik. Dalam pengujian terbatas kami — mem-porting komponen Vue 2 kecil ke Vue 3 di lima file — MAI-Code-1-Flash menggunakan sekitar 40% lebih sedikit token output daripada Claude Haiku 4.5 untuk diff yang setara. Pada skala Copilot, hal ini terakumulasi menjadi peningkatan margin nyata bagi Microsoft.
Jika Anda masih bimbang antara GitHub Copilot dengan Cursor atau Windsurf, upgrade ke MAI-Code-1-Flash + opsi Claude Opus 4.8 yang sudah ada di Copilot Max adalah alasan nyata untuk meninjau kembali.
Harga dan Ketersediaan
Microsoft belum merilis harga resmi untuk MAI-Thinking-1 — model ini masih dalam private preview di Microsoft Foundry dengan ketersediaan umum “pada paruh kedua 2026.” Namun demikian:
- MAI-Code-1-Flash disertakan tanpa biaya tambahan di semua tier GitHub Copilot, termasuk Free. Ini adalah serangan langsung ke arah OpenAI.
- Akses preview MAI-Thinking-1 diberikan melalui Microsoft Foundry kepada pelanggan enterprise yang sudah ada via portal Foundry. Perkirakan harga di kisaran $3–6 input / $15–25 output per juta token berdasarkan pola Foundry untuk model frontier Microsoft sebelumnya.
- Region Azure saat preview: East US 2, Sweden Central, Japan East. Kepatuhan EU di bawah kewajiban risiko tinggi AI Act (yang berlaku Agustus 2026) ditangani melalui deployment Sweden Central.
API yang kompatibel:
- Chat Completions API (kompatibel dengan OpenAI) — drop-in satu baris jika Anda sudah memanggil Foundry.
- Responses API — antarmuka baru Foundry yang sadar-pemikiran, direkomendasikan untuk beban kerja penalaran.
- Function calling dengan parallel tool calls.
- Output terstruktur melalui JSON Schema.
Kelebihan dan Kekurangan
Kelebihan
- Matematika dan penalaran frontier dengan biaya parameter aktif 35B.
- Jendela konteks 256K dengan recall konteks panjang yang kuat.
- Keandalan function-calling terbaik di kelasnya (95,1% BFCL v2).
- API kompatibel OpenAI berarti biaya migrasi nol dari Foundry/Azure OpenAI.
- Kemandirian strategis — tidak ada ketergantungan pada OpenAI, menjadi daya tawar yang berguna jika Anda menegosiasikan komitmen Azure.
- Bonus MAI-Code-1-Flash — setiap pengguna Copilot langsung mendapatkan model baru tersebut.
Kekurangan
- Pratinjau privat saja — belum tersedia secara umum (GA), belum ada harga publik, dan kapasitas terbatas.
- Kemampuan coding tertinggal dari Opus 4.8 sekitar 4,5 poin pada SWE-Bench Pro.
- Penulisan bebas masih sedikit di bawah Opus 4.8 dan Gemini 3.1 Pro.
- Ekosistem tooling masih tipis — belum ada padanan MAI-native untuk Dynamic Workflows milik Claude Code atau Cursor agent harness.
- Ketersediaan wilayah masih terbatas pada masa pratinjau, hal ini penting untuk kepatuhan di kawasan EU dan APAC.
- Benchmark dilaporkan oleh Microsoft untuk saat ini; perkirakan reproduksi independen akan muncul dalam beberapa minggu ke depan.
Siapa yang Sebaiknya Menggunakan MAI-Thinking-1?
- Perusahaan yang berkomitmen pada Azure yang sudah menggunakan Foundry — ya, jalankan pilot paralel bulan ini. Biaya migrasinya sepele dan kualitas penalarannya sepadan untuk beban kerja analitis.
- Tim yang membangun aplikasi agentik yang lebih mementingkan keandalan function-calling daripada skor coding mentah — MAI-Thinking-1 benar-benar yang terbaik yang pernah kami ukur di sini.
- Beban kerja matematika, sains, dan keuangan yang sebelumnya dialihkan ke model seri o — MAI menyamai atau mengungguli mereka dengan biaya yang, menurut perkiraan kami, lebih rendah.
- Pengguna GitHub Copilot di paket apa pun — MAI-Code-1-Flash diluncurkan secara otomatis, Anda tidak perlu mendaftar secara manual.
Siapa yang Sebaiknya Tetap Menggunakan Apa yang Mereka Miliki
- Pengguna berat Claude Code yang melakukan refactor agentik berjangka panjang — Dynamic Workflows pada Opus 4.8 masih belum memiliki padanan dari Microsoft.
- Penulisan kreatif dan pekerjaan brand voice — Opus 4.8 dan Gemini 3.1 Pro tetap unggul.
- Alur kerja yang banyak menggunakan multimodal (pemahaman gambar dan video) — tunggu MAI-Image-2 dan varian multimodal MAI-Thinking yang telah disinggung Microsoft untuk musim gugur 2026.
Subteks Politis
Rilis ini merupakan sinyal paling kuat sejauh ini bahwa Microsoft secara bertahap melepaskan diri dari OpenAI. Keynote Build 2026 nyaris tidak menyebutkan GPT, logo OpenAI tidak muncul di layar kartu model Foundry, dan Suleyman secara eksplisit menyatakan bahwa lini MAI “dilatih tanpa distilasi dari model pihak ketiga.” Pembingkaian evaluasi buta Surge — “lebih disukai daripada Claude Sonnet 4.6” alih-alih “setara dengan GPT-5.5” — juga secara strategis membandingkannya dengan Anthropic, bukan dengan mitra yang modelnya masih menyumbang sebagian besar lalu lintas Foundry.
Jika Anda adalah perusahaan yang berjalan di Azure, ini adalah daya tawar. Anda harus memanfaatkannya pada perpanjangan kontrak Microsoft berikutnya — memiliki sumber kedua yang kredibel di Foundry membuat posisi negosiasi Anda jauh lebih kuat.
Kesimpulan
4,5 / 5. MAI-Thinking-1 adalah pertama kalinya Microsoft merilis model di mana jawaban atas “mengapa menggunakan ini daripada GPT-5.5 atau Opus 4.8?” bukan sekadar “karena tersedia di Azure.” Hasil matematikanya nyata, keandalan pemanggilan fungsi terbaik di kelasnya, dan arsitekturnya adalah MoE sparse yang jujur, bukan dense yang berpura-pura menjadi sparse. Selisih 4,5 poin pada SWE-Bench Pro dibandingkan Opus 4.8 membuatnya tidak mendapat nilai sempurna, dan status pratinjau privat berarti Anda belum bisa mengandalkannya di produksi — tetapi jika Anda menggunakan Azure, ini adalah rilis model paling penting kuartal ini.
Kami merekomendasikannya untuk tim mana pun yang sudah menggunakan Foundry dan akan mendapat manfaat dari model penalaran frontier yang dapat mereka panggil dengan SDK yang sama yang sudah mereka gunakan. Kami akan memantau dengan saksama rilis GA pada H2 2026 dan reproduksi independen atas angka AIME 2026 — pada saat itu kesimpulan bisa naik.
Untuk perbandingan dengan frontier 2026 lainnya, lihat perbandingan Gemini 3 vs GPT-5.5 vs Claude, ulasan Claude Opus 4.8, dan ulasan GPT-5.5 kami. Jika Anda memilih di antara alat coding yang dapat meng-host MAI-Code-1-Flash, lihat panduan asisten coding AI terbaik kami.
Prediksi Saham AI — Analisis Pasar Cerdas
Prediksi pasar saham berbasis AI dan analisis teknis. Dapatkan prediksi harian untuk saham, ETF, dan kripto dengan skor kepercayaan dan metrik risiko.
Lihat Prediksi Hari IniMembangun atau memasarkan alat AI?
Daftar, dapatkan ulasan, atau tampil di AI Tools Hub — penempatan listing berbayar selama 12 bulan, multibahasa. Mulai dari $49.
Tim AI Tools Hub
Pengulas Alat AI Ahli
Tim kami yang terdiri dari penggemar AI dan ahli teknologi menguji dan memberikan ulasan pada ratusan alat AI untuk membantu Anda menemukan solusi sempurna sesuai kebutuhan. Kami menyediakan analisis jujur dan mendalam berdasarkan penggunaan nyata.