Models | The .NET Blog

Claude Opus 4.8 dalam Foundry Adalah Tanda Lain Bahwa Pilihan Model Menjadi Fitur Platform

Emiliano Montesdeoca — Mon, 15 Jun 2026 00:00:00 +0000

Postingan ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Pada titik tertentu, pengumuman ketersediaan model berhenti menarik karena model spesifik saja.

Mereka menjadi menarik karena memperkuat cerita platform.

Itulah cara saya membaca Claude Opus 4.8 mendarat di Microsoft Foundry.

Model itu penting, tetapi cerita yang lebih besar lebih penting

Ya, Claude Opus 4.8 adalah pembaruan model penting dengan sendirinya.

Tetapi saya pikir sinyal yang lebih berguna adalah bahwa Foundry terus memperluas pilihan model seriusnya di bawah satu permukaan operasi yang dikelola.

Itu penting karena memberi tim lebih banyak ruang untuk:

mencocokkan model dengan beban kerja
menyeimbangkan biaya dan kemampuan
tetap fleksibel ketika kualitas atau harga model berubah
mempertahankan tata kelola dan disiplin penyebaran di satu tempat

Itulah bagian yang saya pedulikan lebih banyak.

Mengapa ini penting untuk pemikiran platform

Jika platform AI Anda hanya berfungsi dengan baik ketika satu vendor model tetap mendominasi selamanya, Anda tidak benar-benar memiliki platform yang tangguh.

Anda memiliki ketergantungan dengan pemasaran yang baik.

Jadi setiap kali Foundry menambahkan opsi model serius lainnya, pertanyaan yang menarik bukan hanya “apakah model ini bagus?”

Itu juga:

apakah ini meningkatkan fleksibilitas arsitektur saya?
apakah ini mengurangi tekanan penguncian vendor?
apakah ini membuat perutean khusus beban kerja lebih realistis?

Itulah tingkat di mana ketersediaan model menjadi bermanfaat secara strategis.

Pendapat saya

Ini kurang tentang satu tonggak model spesifik dan lebih tentang Foundry terus berperilaku seperti platform multi-model yang serius.

Itulah cerita yang lebih besar.

Dan semakin kuat Foundry memperkuat cerita itu, semakin dapat dipercaya ia menjadi sebagai tempat di mana tim dapat beroperasi dengan pilihan model daripada hanya bereaksi terhadapnya.

Posting asli: Claude Opus 4.8 kini tersedia di Microsoft Foundry

Microsoft Foundry Mei 2026: pembaruan yang benar-benar akan saya pantau dengan saksama

Emiliano Montesdeoca — Wed, 27 May 2026 00:00:00 +0000

Artikel ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Rangkuman platform bulanan bisa dengan cepat berubah menjadi banjir fitur.

Jadi berikut versi singkat dari What’s New in Microsoft Foundry | May 2026: platform ini semakin dalam tepat di area yang paling penting bagi sistem AI nyata.

Benang merah yang akan saya pantau adalah:

evaluasi berbasis trace
pilihan model yang lebih luas
tooling agen yang lebih kuat
isolasi terkelola yang lebih baik dan visibilitas biaya yang lebih tinggi
momentum yang terus berlanjut di sekitar AI lokal melalui Foundry Local

Ini rangkuman yang padat, jadi polanya lebih penting daripada jumlahnya

Ada banyak poin individual di artikel asli.

Itu tidak masalah, tetapi saya tidak berpikir cara terbaik membaca jenis posting seperti ini adalah satu per satu fitur.

Pertanyaan yang lebih baik adalah: arah apa yang secara jelas sedang diperkuat oleh platform ini?

Dan saya rasa jawabannya adalah ini:

Foundry semakin kuat di lapisan operasional di sekitar agen, bukan hanya di katalog model.

Itu pertanda yang sangat baik.

Tema terpenting adalah evaluasi berbasis trace

Jika saya harus memilih satu tema dari keseluruhan rangkuman, kemungkinan besar itu adalah evaluasi berbasis trace.

Mengapa? Karena ini mengubah cerita evaluasi dari:

membangun dataset statis
menjalankan benchmark
berharap hasilnya mencerminkan produksi

menjadi sesuatu yang lebih realistis:

mengamati perilaku nyata
mengevaluasi trace nyata
belajar dari apa yang sebenarnya dilakukan sistem

Itu adalah model yang jauh lebih matang untuk AI produksi.

Keragaman model memang penting, tetapi hanya jika tetap operable

Tambahan seputar Grok, DeepSeek, Fireworks, dan reinforcement fine-tuning semuanya berguna dengan caranya masing-masing.

Namun bagi saya, poin yang lebih penting bukan sekadar bahwa satu model lagi telah hadir.

Yang lebih penting adalah keragaman model digabungkan dengan:

visibilitas operasional
tooling evaluasi
permukaan governance
konsistensi deployment

Itulah yang mencegah ekosistem model berubah menjadi kacau.

Foundry Local menjadi sinyal strategis yang berulang

Hal lain yang tidak akan saya abaikan adalah seberapa sering Foundry Local kini muncul sebagai bagian serius dari cerita Foundry.

Itu memberi tahu saya bahwa Microsoft tidak lagi melihat AI lokal sebagai eksperimen sampingan.

Ini menjadi bagian dari narasi platform yang lebih luas:

privasi
inferensi lokal di perangkat
portabilitas perangkat keras
deployment edge
model operasional hibrida

Itu layak diperhatikan.

Pendapat saya

Detail memang penting, tetapi pola besarnya lebih penting lagi.

Foundry terus bergerak menuju platform di mana agen, evaluasi, model, runtime lokal, dan governance terhubung dengan lebih alami.

Arah itulah yang paling saya pedulikan.

Dan rangkuman ini, lebih dari banyak pengumuman kecil individual, membuat arah itu lebih mudah dilihat di satu tempat.

Artikel asli: What’s new in Microsoft Foundry | May 2026

Bagian tersulit dari pengembangan AI bukan lagi akses. Melainkan mengoperasikan model yang tepat dengan baik

Emiliano Montesdeoca — Tue, 26 May 2026 00:00:00 +0000

Tulisan ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Kita sudah melewati fase ketika sekadar memiliki akses ke model yang kuat sudah cukup.

Itulah yang benar-benar dipahami dengan baik oleh panduan Foundry baru untuk mengelola model, biaya, dan kualitas ini.

Tantangan sebenarnya sekarang bersifat operasional:

memilih model yang tepat untuk setiap workload
memvalidasinya terhadap data Anda sendiri
mengelola latency dan pengeluaran
mengatur upgrade dan risiko regresi

Itulah yang harus dikuasai oleh tim yang serius.

Artikel sumbernya mendefinisikan masalah dengan benar

Satu kalimat dari artikel asli menangkap perubahan ini dengan sangat baik:

“Bagian tersulit dalam membangun sistem AI saat ini bukan lagi mendapatkan akses ke model yang mumpuni. Melainkan mengetahui cara memilih, memvalidasi, mengoptimalkan, dan mengoperasikan model yang tepat sepanjang siklus hidup penuh sebuah aplikasi nyata.”

Itu diagnosis yang tepat.

Terlalu banyak tim masih mengira model selection adalah keputusan utama.

Bukan.

Model operation adalah masalah yang lebih besar:

workload mana mendapat model yang mana?
bagaimana kualitas diverifikasi?
bentuk biaya seperti apa yang dapat diterima?
apa yang terjadi ketika model baru muncul atau model lama melenceng?
bagaimana menguji perubahan tanpa merusak workflow nyata?

Itulah pekerjaan engineering sebenarnya sekarang.

Mengapa tulisan Foundry ini berguna

Saya suka artikel ini karena ia berbicara tentang sistem AI seperti cara engineer platform berpengalaman benar-benar harus memikirkannya.

Bukan sebagai “pilih model paling pintar lalu lanjut”.

Melainkan sebagai sistem yang hidup di bawah trade-off:

kemampuan
latency
biaya
safety
governance
tekanan upgrade

Itu jauh lebih berguna daripada optimisme berbasis benchmark.

Perubahan terpenting adalah berpikir berdasarkan kriteria terlebih dahulu

Artikel asli menyarankan mendefinisikan kriteria sukses sebelum membuka katalog model.

Menurut saya ini salah satu kebiasaan paling penting yang bisa diadopsi tim.

Kalau Anda membuka katalog dulu, Anda akan berpatokan pada reputasi.

Kalau Anda mendefinisikan kriteria dulu, Anda akan berpatokan pada realitas workload.

Itu proses yang lebih sehat.

Karena model yang menang di benchmark belum tentu model yang menang pada:

prompt Anda
budget latency Anda
guardrail biaya Anda
requirement governance Anda

Perbedaan itu adalah titik awal dari engineering AI yang matang.

Cerita multi-model menjadi keunggulan nyata

Hal lain yang saya suka adalah framing yang agnostik terhadap model.

Artikel ini menampilkan Foundry bukan sebagai tujuan satu model, melainkan sebagai operating surface di atas:

model Microsoft
model partner
model open-source
varian post-trained
strategi routing dan optimisasi

Ini penting karena fleksibilitas model bukan lagi kemewahan. Ia adalah bagian dari manajemen risiko.

Jika kualitas berubah, harga bergerak, atau quota menjadi terbatas, tim butuh opsi.

Cost control bukan perhatian sekunder

Artikel ini juga tepat saat menempatkan biaya sebagai concern arsitektural.

Ini bukan masalah “nanti kita optimalkan”.

Kalau Anda mengirim setiap task ke model terberat secara default, itu bisa bekerja sangat baik di demo dan runtuh di ekonomi produksi.

Itulah sebabnya menurut saya bagian tentang:

routing
batching
caching
provisioned throughput
manajemen quota

lebih penting daripada yang mungkin banyak orang kira.

Tim yang memperlakukan disiplin biaya sebagai bagian dari desain sistem akan bertahan jauh lebih baik daripada tim yang memperlakukannya sebagai pekerjaan bersih-bersih belakangan.

Pendapat saya

Ini adalah tulisan Foundry yang berguna karena ia berbicara tentang sistem AI seperti yang benar-benar harus dioperasikan oleh engineer berpengalaman.

Bukan sebagai demo. Bukan sebagai prototipe sekali pakai. Dan bukan sebagai wisata leaderboard.

Melainkan sebagai sistem operasi untuk workload, kendala, trade-off, dan perubahan terus-menerus.

Itulah tingkat percakapan yang harus terus kita tuju.

Dan jika Anda membangun sistem AI produksi, itulah mindset yang saya ingin tim adopsi sejak awal.

Postingan asli: A Developer’s Guide to Managing Models, Cost and Quality in Microsoft Foundry