Pekerja AI Seharga $1 per Jam
Startup kecerdasan buatan China, MiniMax, meluncurkan inovasi yang mengancam merombak ekonomi penerapan AI di perusahaan. Perusahaan yang berbasis di Shanghai itu merilis M2.5, model bahasa dengan kinerja menyaingi sistem Barat termahal, tetapi biayanya sekitar sepersepuluh hingga seperdua puluh harga pesaing seperti Claude Opus 4.6 dan GPT-5.2.
Daftar Isi
Rilis yang diunggah ke Hugging Face dengan Lisensi MIT yang dimodifikasi ini hadir di tengah pekan penuh pengumuman AI China yang mengguncang pasar global dan mengubah batas-batas persaingan. Saham MiniMax, yang diperdagangkan dengan kode MINIMAX-WP (00100.HK) di Bursa Efek Hong Kong, melonjak antara 11% dan 16% setelah pengumuman tersebut, lalu ditutup pada HK$680, menurut South China Morning Post.
MiniMax memosisikan M2.5 bukan sekadar chatbot, melainkan karyawan digital siap produksi yang mampu melakukan pemrograman, riset, dan pembuatan dokumen secara mandiri. Perusahaan mengklaim ini adalah model terdepan pertama yang membuat kekhawatiran soal biaya praktis tak lagi berarti: model ini dapat beroperasi terus-menerus pada kecepatan 100 token per detik dengan biaya hanya $1 per jam. Pada kecepatan lebih rendah, biayanya turun menjadi $0,30 per jam. Struktur harga ini memungkinkan empat agen AI beroperasi terus-menerus selama setahun penuh dengan biaya sekitar $10.000, angka yang bahkan belum cukup untuk menutup biaya operasi selama sebulan jika menggunakan model Barat yang sebanding.
Tolok Ukur yang Menantang Model Terdepan
Evaluasi independen dan pengujian MiniMax sendiri menunjukkan M2.5 berada di jajaran teratas model pemrograman, hanya sedikit di bawah Claude Opus 4.6 dari Anthropic meskipun selisih harganya sangat besar. Pada SWE-Bench Verified, tolok ukur industri untuk mengukur kemampuan rekayasa perangkat lunak di dunia nyata, M2.5 meraih skor 80,2%, hanya terpaut 0,6 poin persentase dari Opus 4.6 dan mengungguli GPT-5.2 dari OpenAI yang meraih 80% serta Gemini 3 Pro dari Google dengan 78%.
Model ini menunjukkan keunggulan khusus dalam skenario pemrograman multibahasa, dengan skor 51,3% pada Multi-SWE-Bench, yang menguji tugas pemrograman lintas repositori dan menuntut pemahaman atas beberapa basis kode secara bersamaan. Skor tersebut menempatkannya di atas Opus 4.6 yang meraih 50,3% dan jauh melampaui Gemini 3 Pro dengan 42,7%. Pada VIBE-Pro, tolok ukur internal untuk menguji tugas pengembangan full-stack yang kompleks, kinerja M2.5 setara dengan Opus 4.5.
Di luar kemampuan pemrograman, M2.5 menunjukkan kemampuan agen yang luar biasa. Skornya mencapai 76,3% pada BrowseComp, yang mengukur kemampuan menjelajah web dan mengambil informasi secara kompleks, serta 76,8% pada Berkeley Function Calling Leaderboard (BFCL) untuk penggunaan alat dalam beberapa giliran, mengungguli Opus 4.6 lebih dari 13 poin persentase. Firma analis pihak ketiga Artificial Analysis memberi M2.5 skor 42 pada Intelligence Index, jauh di atas rata-rata 25 untuk model sebanding, seraya mencatat bahwa model ini beroperasi pada kecepatan 80 token per detik, lebih cepat daripada rata-rata 55.
Namun, verifikasi independen pada papan peringkat SWE-rebench Januari 2026, yang menguji 48 permintaan tarik GitHub terbaru dengan metodologi berbeda, menunjukkan M2.5 meraih 39,6%, dibandingkan Claude Code yang mencapai 52,9%. Hasil ini mengindikasikan bahwa kinerja di dunia nyata dapat bervariasi bergantung pada perangkat evaluasi dan kebaruan tugas.
Arsitektur yang Efisien
Kelangsungan ekonomi M2.5 bersumber dari arsitektur Mixture of Experts (MoE), pola desain yang meniru konsultasi dengan para spesialis alih-alih mengandalkan tenaga generalis. Meski model ini memiliki total 230 miliar parameter, hanya 10 miliar yang diaktifkan untuk setiap tugas. Aktivasi selektif ini memungkinkan sistem mempertahankan kedalaman penalaran model berukuran besar sekaligus beroperasi dengan kecepatan dan struktur biaya sistem yang jauh lebih kecil.
Untuk melatih arsitektur kompleks ini, MiniMax mengembangkan Forge, kerangka kerja pembelajaran penguatan eksklusif yang dirancang khusus untuk AI berbasis agen. Berbeda dari pendekatan standar yang mengoptimalkan jawaban agar menyenangkan pengguna, Forge menerapkan model ke ratusan ribu lingkungan simulasi langsung, termasuk repositori kode, peramban web, dan aplikasi perkantoran. Sistem ini memberi penghargaan atas penyelesaian tugas yang nyata, bukan keselarasan gaya. Melalui penjadwalan asinkron yang dioptimalkan dan strategi penggabungan sampel pelatihan berstruktur pohon, sistem ini mencapai kecepatan pelatihan sekitar 40 kali lebih tinggi daripada pendekatan pembelajaran penguatan standar.
Insinyur MiniMax Olive Song menjelaskan dalam penampilannya di podcast ThursdAI bahwa regimen pelatihan ini membutuhkan dua bulan kerja intensif dalam beragam skenario dunia nyata. Untuk menjaga stabilitas selama proses tersebut, tim menerapkan CISPO (Clipping Importance Sampling Policy Optimization), pendekatan matematis yang mencegah model melakukan koreksi berlebihan selama iterasi pelatihan.
"Yang kami sadari adalah model kecil seperti ini punya banyak potensi jika dilatih dengan pembelajaran penguatan menggunakan banyak lingkungan dan agen. Namun, ini bukan hal yang mudah dilakukan," kata Song, seraya menambahkan bahwa tim menghabiskan banyak waktu untuk menyempurnakan proses tersebut.
Metodologi ini membentuk apa yang disebut MiniMax sebagai "Pola Pikir Arsitek". Alih-alih langsung menghasilkan kode, M2.5 terlebih dahulu merencanakan struktur proyek, fitur, dan desain antarmuka, lalu menguraikan tugas kompleks menjadi komponen-komponen yang mudah dikelola sebelum mulai mengerjakannya. Model ini dilatih menggunakan lebih dari 10 bahasa pemrograman, termasuk Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart, dan Ruby, di lebih dari 200.000 lingkungan.
Dari Chatbot Menjadi Karyawan Digital
Peralihan AI dari antarmuka percakapan menjadi pekerja mandiri merupakan gagasan utama di balik filosofi desain M2.5. MiniMax berkolaborasi dengan para profesional senior di bidang keuangan, hukum, dan ilmu sosial untuk membekali model ini dengan pengetahuan implisit yang spesifik untuk tiap industri, sehingga model dapat menghasilkan pekerjaan siap diserahkan, bukan sekadar blok teks mentah.
Fokus ini terlihat pada kemampuan otomasi perkantoran praktis yang diabaikan sebagian besar model terdepan. M2.5 dapat membuat dan mengolah dokumen Microsoft Word, menyusun presentasi PowerPoint dengan tata letak dan bagan yang tepat, serta mengerjakan pemodelan keuangan kompleks di Excel. Pada tolok ukur MEWC, yang mengambil soal dari kompetisi Microsoft Excel World Championship, model ini meraih skor 74,4%. Dalam kerangka evaluasi internal GDPval-MM, yang menilai kualitas hasil kerja dan perkembangan profesional melalui perbandingan berpasangan, M2.5 mencatat tingkat kemenangan rata-rata 59% melawan para pesaing utama.
MiniMax telah menerapkan M2.5 secara internal sebagai uji coba adopsi di perusahaan. Menurut pernyataan perusahaan, model ini kini menyelesaikan 30% dari seluruh tugas secara mandiri di berbagai departemen, termasuk riset dan pengembangan, manajemen produk, penjualan, sumber daya manusia, dan keuangan. Dalam lingkungan pemrograman, M2.5 menghasilkan 80% kode baru yang diserahkan di kantor pusat MiniMax.
Perusahaan mengemas kemampuan ini dalam MiniMax Agent, platform tempat pengguna telah membangun lebih dari 10.000 Expert khusus yang memadukan Keterampilan Perkantoran dengan pengetahuan industri spesifik. Konfigurasi ini memungkinkan Agent mengikuti prosedur operasi standar yang berlaku untuk riset industri atau mematuhi logika pengendalian risiko tertentu dalam pemodelan keuangan, alih-alih sekadar menghasilkan blok teks mentah.
Model ini menangani pengembangan full-stack untuk platform Web, Android, iOS, dan Windows, termasuk mengelola API sisi server, logika bisnis, dan basis data, bukan hanya membuat demonstrasi frontend. Kemampuan ini mencakup seluruh siklus hidup perangkat lunak, mulai dari desain sistem awal hingga iterasi fitur, peninjauan kode menyeluruh, dan pengujian.
Ekonomi Operasi Berkelanjutan
MiniMax menawarkan dua varian API dengan kemampuan yang sama, tetapi kecepatan pemrosesan berbeda. M2.5-Lightning beroperasi pada 100 token per detik, dengan harga $0,30 per sejuta token masukan dan $2,40 per sejuta token keluaran. M2.5 standar beroperasi pada setengah kecepatan tersebut (50 token per detik) dengan biaya separuhnya: $0,15 per sejuta token masukan dan $1,20 per sejuta token keluaran.
Sebagai gambaran, menjalankan empat instans agen M2.5 terus-menerus selama setahun penuh menghabiskan biaya sekitar $10.000. Sebagai perbandingan, Claude Opus 4.6 mengenakan biaya sekitar $75 per sejuta token keluaran, sehingga operasi berkelanjutan yang sebanding tidak terjangkau secara ekonomi bagi sebagian besar organisasi. Berdasarkan harga token keluaran saja, biaya M2.5 hanya sepersepuluh hingga seperdua puluh biaya Opus, Gemini 3 Pro, dan GPT-5.
Perbedaan biaya tampak jelas jika menilik ongkos tugas tertentu. Alex Volkov, pembawa acara podcast ThursdAI, mencatat bahwa M2.5 menyelesaikan tugas SWE-Bench dengan token senilai sekitar $0,15, sedangkan Claude Opus 4.6 membutuhkan sekitar $3,00 untuk pekerjaan yang sama. Penghematan biaya sebesar 95% ini menghapus tekanan tradisional untuk mengoptimalkan prompt dan meminimalkan penggunaan token, sehingga pengembang dapat menerapkan model dengan konteks dan kemampuan penalaran tinggi untuk operasi rutin yang sebelumnya diserahkan kepada sistem lebih murah dan kurang mumpuni.
Kedua varian API mendukung caching, yang semakin memangkas biaya untuk operasi berulang. Lisensi MIT yang dimodifikasi mewajibkan pengguna komersial menampilkan "MiniMax M2.5" secara jelas di antarmuka pengguna mereka, sebuah syarat kecil mengingat keuntungan ekonominya. Pada kecepatan 100 token per detik, pembuatan teks berkelanjutan menghasilkan 360.000 token keluaran per jam, dengan biaya sekitar $0,86 untuk token keluaran, belum termasuk biaya masukan.
Peningkatan kecepatan semakin memperbesar manfaat penghematan biaya. M2.5 menyelesaikan tugas dari awal hingga akhir 37% lebih cepat daripada pendahulunya, M2.1. Waktu pengerjaan SWE-Bench Verified turun dari 31,3 menit menjadi 22,8 menit, setara dengan Claude Opus 4.6 yang membutuhkan 22,9 menit, sementara biaya per tugasnya hanya 10%.
Konteks Pasar dan Tekanan Persaingan
Peluncuran M2.5 menandai puncak dari pekan yang bergejolak bagi industri kecerdasan buatan China, ketika sejumlah perusahaan domestik memperkenalkan model pesaing. Zhipu AI meluncurkan GLM-5, yang mengungguli Gemini 3 Pro dari Google pada Artificial Analysis Intelligence Index. Alibaba memperkenalkan RynnBrain untuk aplikasi robotika, ByteDance merilis Seedance 2.0 untuk pembuatan video, dan Kuaishou memperkenalkan Kling 3.0. Saham MiniMax dan Zhipu AI sama-sama naik dua digit, dengan saham Zhipu AI melonjak 30% dalam perdagangan di Hong Kong.
Peluncuran bertubi-tubi ini menantang penilaian terbaru tentang kesenjangan AI antara China dan AS. Demis Hassabis, kepala Google DeepMind, sebelumnya memperkirakan model China tertinggal hanya beberapa bulan dari produk Barat. Kemampuan MiniMax yang hampir menyamai Claude Opus 4.6, yang dirilis hanya sepekan sebelumnya, menunjukkan bahwa ketertinggalan itu telah menyusut menjadi hitungan hari. Hasil SWE-rebench Januari 2026 menunjukkan Claude Opus 4.6 meraih 51,7% dan GPT-5.2 meraih 51,0% pada permintaan tarik terbaru, sementara MiniMax M2.5 mencatat 39,6%. Ini menunjukkan model Barat masih unggul dalam menangani kode terbaru, meski kesenjangan terus menyempit.
Dampak persaingan ini melampaui tolok ukur. Strategi harga MiniMax memberi tekanan sistematis kepada laboratorium AI Barat yang membangun model bisnis berdasarkan tarif API premium. Ketika kecerdasan menjadi, seperti diklaim MiniMax, "terlalu murah untuk diukur", industri beralih dari ekonomi kelangkaan ke ekonomi volume, yang berpotensi mengganggu model pendapatan para pemain mapan.
Bagi pemimpin teknis, M2.5 menawarkan keuntungan operasional langsung. Peningkatan kecepatan 37% dibandingkan pendahulunya memungkinkan alur kerja agen real-time, tempat model berinteraksi dengan model lain tanpa hambatan latensi. Organisasi kini dapat melakukan audit kode otomatis dalam skala yang belum pernah terjadi sebelumnya sekaligus menjaga privasi data melalui penerapan model berbobot terbuka yang dihosting sendiri.
Hal-Hal Utama
- MiniMax M2.5 meraih skor 80,2% pada SWE-Bench Verified, setara dengan kinerja Claude Opus 4.6 dengan biaya hanya sepersepuluh hingga seperdua puluhnya
- Tersedia dua varian API: Standard seharga $0,15/$1,20 per sejuta token (50 TPS) dan Lightning seharga $0,30/$2,40 (100 TPS)
- Arsitektur MoE dengan 230 miliar parameter hanya mengaktifkan 10 miliar parameter per tugas, sehingga mengurangi beban komputasi
- Dilatih menggunakan kerangka kerja pembelajaran penguatan Forge eksklusif di lebih dari 200.000 lingkungan dunia nyata, dengan algoritma CISPO untuk menjaga stabilitas
- Mampu mengembangkan sistem full-stack secara mandiri, membuat dokumen perkantoran (Word, Excel, PowerPoint), serta melakukan pemodelan keuangan kompleks
- Saat ini diterapkan secara internal di MiniMax, dengan kemampuan menyelesaikan 30% tugas perusahaan dan menghasilkan 80% kode baru
- Dirilis sebagai model berbobot terbuka di Hugging Face dengan Lisensi MIT yang dimodifikasi dan mewajibkan pencantuman atribusi untuk penggunaan komersial
- Saham perusahaan (MINIMAX-WP, 00100.HK) melonjak 11% hingga 16% di Bursa Efek Hong Kong setelah pengumuman
