TL;DR
Model Baru: Microsoft merilis MAI-Image-2, yang menempati peringkat ketiga di papan peringkat Arena di belakang Google dan OpenAI. Batasan Utama: Model ini hanya mendukung keluaran persegi, membatasi pengguna hingga 15 gambar per hari, dan menerapkan pemfilteran konten yang agresif. Pergeseran Strategis: MAI-Image-2 adalah model gambar internal kompetitif pertama Microsoft, yang mengurangi ketergantungannya pada DALL-E OpenAI. Ketersediaan: Model ini aktif di MAI Playground dan diluncurkan ke Copilot dan Bing Image Creator.
Microsoft merilis MAI-Image-2 pada tanggal 19 Maret, model teks-ke-gambar yang mengungguli GPT-Image dalam tinjauan langsung namun mengunci pengguna setelah hanya 15 generasi per hari. Ini adalah ilustrasi paling tajam dari peluncuran yang memberikan kualitas namun tetap tersandung pada kepraktisan.
MAI-Image-1 memulai debutnya di posisi kesembilan di papan peringkat Arena pada bulan Oktober 2025, hanya lima bulan yang lalu. MAI-Image-2, yang dirilis oleh tim AI Superintelligence Microsoft, kini hanya tertinggal dari Google Gemini 3.1 Flash dan OpenAI GPT-Image 1.5.
Namun, model ini dikirimkan dengan rasio aspek saja 1:1, 15 gambar batasan harian, dan pemfilteran konten yang lebih ketat dibandingkan pesaingnya, sehingga membatasi kegunaan praktis bagi profesional kreatif yang ditargetkan Microsoft. MAI-Image-1 sebelumnya diintegrasikan ke dalam Bing Image Creator dan Microsoft Copilot bersama DALL-E 3 dan GPT-4o, dan MAI-Image-2 diluncurkan ke produk yang sama seiring dengan diatasinya pembatasan.
Kemampuan Model
Untuk memahami apa yang ditawarkan Microsoft, dan kekurangannya, ada baiknya untuk memulai dengan apa yang dirancang untuk dilakukan oleh MAI-Image-2. Microsoft membangun MAI-Image-2 dengan masukan dari komunitas kreatif, berkonsultasi dengan fotografer, desainer, dan pendongeng visual selama pengembangan. Menurut blog resmi Microsoft, model ini berfokus pada tiga kemampuan inti: fotorealisme dengan cahaya alami dan warna kulit yang akurat, rendering teks dalam gambar untuk infografis dan diagram, serta pembuatan adegan mendetail termasuk komposisi sinematik dan surealis.
Yang terutama, warna kulit yang akurat mengatasi kelemahan yang terus-menerus dalam citra yang dihasilkan AI. Model sebelumnya sering kali menghasilkan tampilan kulit yang tidak alami, terutama bagi orang kulit berwarna, dan Microsoft secara khusus menyoroti perbaikan di bidang ini sebagai prioritas pengembangan. Dengan bekerja sama secara langsung dengan profesional kreatif dibandingkan hanya mengandalkan optimasi benchmark, Microsoft bertujuan untuk menutup kesenjangan antara apa yang dihasilkan oleh generator gambar AI dan apa yang dapat digunakan oleh desainer tanpa pasca-pemrosesan yang ekstensif.
Selain fotorealisme, Microsoft juga mengklaim MAI-Image-2 menangani adegan sinematik yang ambisius, termasuk komposisi hiasan dan surealis, sangat detail konsep yang sulit dipresentasikan oleh model sebelumnya secara koheren. Bagi seniman konsep dan sutradara visual yang perlu membuat papan suasana hati atau aset papan cerita, kemampuan tersebut memperluas kegunaan model lebih dari sekedar simulasi fotografi sederhana. Microsoft menganggap MAI-Image-2 mampu mengurangi gesekan materi iklan, dan menjanjikan “lebih sedikit waktu perbaikan pasca-produksi dan lebih banyak waktu pembuatan.”
Selain itu, rendering teks dalam gambar membedakan MAI-Image-2 dari banyak pesaing. Jika generator gambar AI sebelumnya secara rutin mengacaukan teks dalam gambar, menghasilkan bentuk huruf yang tidak masuk akal, Microsoft mengklaim MAI-Image-2 dapat menghasilkan teks yang dapat dibaca dan akurat untuk infografis, slide, dan diagram. Bagi desainer yang perlu membuat aset visual dengan salinan tersemat, kemampuan tersebut mengatasi salah satu kendala yang sudah lama ada dalam citra yang dihasilkan AI, membuka kasus penggunaan dalam presentasi bisnis dan materi pemasaran yang sebelumnya tidak praktis dengan alat AI.
Secara keseluruhan, ketiga kemampuan tersebut menempatkan MAI-Image-2 sebagai alat gambar yang berorientasi pada produktivitas, bukan alat artistik semata. Ketika Midjourney dan Stable Diffusion menekankan ekspresi kreatif, Microsoft menargetkan kebutuhan alur kerja para desainer dan pemasar yang membutuhkan keluaran siap produksi yang andal dan terintegrasi ke dalam produk Microsoft yang sudah ada.
Kinerja Praktis
Model ini bahkan mungkin akan melampaui posisi papan peringkatnya. MAI-Image-2 mengungguli GPT-Image dalam hal kualitas gambar dan rendering teks, meskipun peringkat GPT-Image lebih tinggi di papan peringkat Arena.
Akibatnya, peringkat benchmark tidak secara konsisten mencerminkan kualitas output di dunia nyata. Pemeringkatan arena mencerminkan pilihan preferensi pengguna anonim dan bukan tolok ukur standar, yang mungkin menjelaskan mengapa suatu model bisa mendapat peringkat di bawah pesaing sekaligus memberikan hasil yang lebih tajam pada tugas kreatif tertentu. Pencahayaan alami yang meyakinkan dan lingkungan yang mendetail tampak menonjol dalam keluaran fotorealistik, sementara rendering teks memberikan hasil yang dapat dibaca di beberapa perintah pengujian.
Kendala Produk
Namun janji teknis tersebut tidak dapat dicapai dengan serangkaian keputusan produk konservatif yang membatasi siapa yang dapat menggunakannya. MAI-Image-2 hanya mendukung keluaran persegi 1:1, tanpa tersedia rasio aspek horizontal, potret, atau khusus. Pada tahun 2026, ketika platform media sosial memerlukan berbagai dimensi gambar, batasan tersebut menjadi hambatan besar bagi pembuat konten yang membutuhkan cerita vertikal, spanduk lebar, dan gambar pahlawan layar lebar.
Setiap generasi memicu cooldown 30 detik, dan setelah 15 gambar, pengguna akan menghadapi batasan harian. Untuk eksperimen biasa, batasan tersebut dapat dikelola. Untuk alur kerja produksi apa pun di UI asli, hal tersebut merupakan pemecah masalah. MAI-Image-2 juga tidak memiliki fitur gambar-ke-gambar, inpainting, dan outpainting yang ditawarkan pesaing seperti Midjourney dan Adobe Firefly, menjadikannya alat teks-ke-gambar saja tanpa kemampuan pengeditan.
Moderasi konten juga sama ketatnya. Filter MAI-Image-2 lebih agresif daripada model gambar Google Imagen dan OpenAI, dengan filter tersebut bahkan menolak gambar kartun laba-laba yang mengejar seorang wanita. Bagi ilustrator, seniman konsep, dan siapa pun yang bekerja dengan tema visual yang intens atau menegangkan, tingkat pemfilteran tersebut menciptakan gesekan yang tidak diterapkan oleh Google dan OpenAI.
Kehati-hatian Microsoft bukanlah hal baru. Pada bulan Januari 2025, perusahaan mengembalikan pembaruan Bing Image Creator setelah banyak keluhan kualitas. Sebelum membangun kemampuan internal, Microsoft mengandalkan DALL-E 3 OpenAI untuk mendukung Bing Image Creator.
Setelah mengalami kegagalan karena peluncuran yang terburu-buru sebelumnya, Microsoft tampaknya memilih untuk berhati-hati dengan MAI-Image-2, bahkan dengan mengorbankan rasa frustrasi pengguna. MAI-Image-2 adalah pertama kalinya Microsoft memiliki model internal kompetitif yang dapat menggantikan ketergantungan tersebut sepenuhnya.
Signifikansi Strategis
Di luar batasan produk, MAI-Image-2 menandai perubahan yang lebih luas dalam postur AI perusahaan. Setahun yang lalu, Microsoft hampir seluruhnya menghasilkan gambar untuk Bing dan Copilot menggunakan model OpenAI, dan membayar miliaran untuk kemampuan tersebut. Membangun alternatif internal memberikan Microsoft pengaruh yang belum pernah dimiliki sebelumnya, terutama karena perusahaan tersebut secara bersamaan bekerja sama dengan Anthropic, pesaing terbesar OpenAI.
Dengan modelnya sendiri yang berada di posisi tiga teratas, Microsoft dapat bernegosiasi dari posisi yang kuat, bukan ketergantungan. MAI-Image-2 tidak perlu mengungguli model terdepan Google untuk mencapai tujuan strategisnya; ia harus cukup baik untuk menggantikan penawaran OpenAI di dalam Copilot dan Bing, dan berada di posisi ketiga di papan peringkat, hal tersebut telah berhasil diatasi.
Mustafa Suleyman membentuk Tim Superintelligence MAI pada bulan November 2025, dan pada tanggal 17 Maret ia mengundurkan diri dari peran CEO-nya yang lebih luas di Microsoft AI untuk fokus secara eksklusif pada tim dan ambisi model terdepannya. MAI-Image-2 adalah model pertama yang dipublikasikan sejak pergantian kepemimpinan tersebut, dan memberikan hasil nyata dari unit yang direorganisasi. Dalam sebuah postingan di X, Suleyman menggambarkan tim telah berusaha keras untuk merilis model tersebut dan menyoroti peringkat ketiga model tersebut di Arena.
Generator gambar baru kami, MAI-Image-2, telah keluar! Kini tersedia di MAI Playground untuk segala hal mulai dari realisme nyata hingga infografis mendetail.
Tim kami telah bekerja keras untuk rilis ini, dan kini kami termasuk di antara model teratas di luar sana: keluarga #3 di @arena.
Lihat… pic.twitter.com/2FkPUyrGYC
— Mustafa Suleyman (@mustafasuleyman) 19 Maret 2026
Keputusannya untuk mempersempit fokusnya menandakan bahwa Microsoft memandang pengembangan model internal sebagai prioritas strategis dan bukan proyek sampingan. Sementara itu, cluster komputasi GB200 baru milik tim MSI, yang dibangun berdasarkan arsitektur NVIDIA Blackwell, kini telah beroperasi. Dengan adanya infrastruktur komputasi khusus, tim memiliki sumber daya untuk melakukan iterasi pada MAI-Image-2 dan mengembangkan model penerus tanpa bersaing untuk mendapatkan waktu cluster bersama.
Ketersediaan dan Outlook
MAI-Image-2 kini tersedia di MAI Playground dan diluncurkan ke Copilot dan Bing Image Creator. Microsoft juga meluncurkan Bing Video Creator bersama Sora tahun lalu, memperluas portofolio generasi media AI di luar gambar diam. Akses API saat ini terbatas pada pelanggan perusahaan tertentu, dengan akses Microsoft Foundry yang lebih luas akan segera hadir, meskipun Microsoft belum memberikan tanggal spesifiknya.
Hingga 19 Maret, MAI-Image-2 belum muncul di Copilot, produk yang terutama diinginkan Microsoft untuk disematkan. Copilot menjangkau ratusan juta pengguna di Windows, Edge, dan Microsoft 365, menjadikannya saluran distribusi yang akan memberikan MAI-Image-2 jangkauan terluas.
Agar model ini dapat memenuhi potensinya, Microsoft perlu menghilangkan batasan rasio aspek, menaikkan batas generasi, dan menyelesaikan integrasi Copilot. Tanpa perubahan tersebut, MAI-Image-2 tetap menjadi mesin mumpuni yang dibatasi oleh produk yang membungkusnya.
