# MAI Licensed Weights, los modelos de Microsoft en tu Azure

> Microsoft ofrece personalizar un modelo MAI de frontera y ejecutarlo en el Azure del cliente sin publicar los pesos. AT&amp;T lo llevó a un coste 50 veces menor.
> Por José Maldonado · Inteligencia Artificial · 2026-11-19

MAI Licensed Weights es la respuesta de Microsoft a una pregunta que los equipos de datos llevan dos años haciendo en voz baja: si el modelo que mueve mi negocio no es mío, qué ocurre cuando cambia de precio, de dueño o de criterio. La fórmula que [Microsoft presentó en Ignite](https://microsoft.ai/news/introducing-mai-licensed-weights/) el 17 de noviembre de 2026 consiste en tomar un modelo de frontera de la familia MAI, personalizarlo con datos propios y ejecutarlo dentro de Azure, en el entorno del cliente, con control sobre quién accede y sin publicar los pesos.

El anuncio se entiende mejor como un movimiento en la pelea por la propiedad del modelo que como un producto nuevo. En 2026 la discusión ya no separa abiertos de cerrados con la claridad de hace dos años: media industria publica pesos descargables y la otra media alquila acceso por token, con el precio por millón que Anthropic puso a [sus dos modelos frontera](https://observatorioblockchain.com/inteligencia-artificial/claude-fable-5-2-mythos-5-2-anthopic-ipo). Microsoft añade una tercera vía, con los pesos en su lado del contrato y la ejecución en el del cliente.

La letra pequeña empieza por la disponibilidad. La oferta llega primero a los clientes del programa Frontier Company y ninguna página publicada estos días incluye tarifa, así que el precio se negocia con el comercial de Microsoft y no se lee en una lista.

## De pesos abiertos a pesos con licencia

Un peso es un número que el modelo aprendió durante su entrenamiento, y el conjunto de todos ellos es lo que hace que responda de una manera concreta. Descargar pesos y licenciarlos se parecen poco. Lo primero permite ejecutar el modelo y, según la licencia, ajustarlo. Lo segundo es un contrato que dice qué puedes hacer con el resultado, cuánto pagas y qué pasa si el proveedor cambia de idea sobre el producto que te alquiló.

La diferencia se mide contra una definición escrita. La [definición de IA de código abierto de la OSI](https://opensource.org/ai/open-source-ai-definition) exige que cualquiera pueda usar y estudiar el sistema, modificarlo y compartirlo, y contar con datos suficientes para recrearlo. MAI Licensed Weights cubre la personalización y el uso, no la redistribución, y tampoco entrega los datos de entrenamiento que harían falta para reconstruir el modelo desde cero.

Para un banco o una aerolínea, la pregunta contractual es qué queda dentro de casa si mañana el proveedor retira ese modelo. Con pesos descargables queda un fichero; con una licencia queda lo que diga el contrato. El problema no es técnico, es de propiedad.

## Qué cambia para quien ejecuta el modelo en su nube

El texto del anuncio describe el mecanismo con precisión. El modelo se adapta con datos del cliente y corre en su entorno de Azure; el cliente decide quién accede, y los datos y las adaptaciones siguen siendo suyos. Microsoft solo los usaría para entrenar sus propios modelos cuando exista un acuerdo expreso, redactado con el lenguaje de los contratos empresariales de los últimos años.

Ese control de acceso vale tanto como el rendimiento. En una entidad regulada, la pregunta del auditor no es qué porcentaje saca el modelo en un benchmark, sino quién puede invocarlo, en qué región corre y qué registro queda de cada llamada. Un modelo alquilado responde a esas preguntas con la política del proveedor; uno desplegado en la nube del cliente las responde con su propia configuración de identidad y red. Si administras infraestructura de un sector auditado, ahí está la diferencia práctica entre las dos compras.

La otra promesa es el calendario. La empresa decide cuándo se actualiza el modelo, lo que sobre el papel evita que una mejora ajena rompa un flujo de trabajo en producción, y de paso obliga a mantener varias versiones vivas a la vez. Esa libertad tiene factura: cada versión que se queda atrás es una que alguien sigue vigilando.

El [anuncio de MAI Licensed Weights en Ignite](https://microsoft.ai/news/microsoft-ignite-2026/) resume la idea en una frase: nadie quiere verter su coeficiente intelectual en el modelo de otro. El mismo anuncio apunta una duda legítima sobre el origen de los pesos abiertos.

## AT&T y dos clientes más que sostienen el argumento

El primer caso citado es AT&T, que usó modelos MAI para analítica de operación de red 5G. En tareas estándar, el modelo personalizado superó a GPT-6.1 Sol con la quincuagésima parte del coste, según la nota de resultados que Microsoft publica junto al anuncio. En escenarios más complejos, la compañía describe rendimiento de frontera a un precio bastante menor, sin dar cifras cerradas de esa comparación.

Los otros dos clientes amplían el patrón a terrenos menos vistosos. Woven by Toyota ajustó MAI Code 2 Flash con su historial de correcciones del estándar MISRA y obtuvo parches listos para fusionar en el 44% de los casos que antes necesitaban intervención humana, a menos de una décima parte del coste, según la [documentación de ajuste de modelos](https://microsoft.ai/models/microsoft-frontier-tuning/) de Microsoft.

Alaska Airlines pasó del 81,2% al 91,1% de acierto al clasificar informes de mantenimiento de aeronaves, una mejora que la nota del anuncio atribuye al ajuste del modelo con datos de la propia aerolínea.

Microsoft acota esos números en la nota al pie: son evaluaciones hechas por cada cliente para sus tareas, y las ventajas dependen de la carga de trabajo, de la configuración y del método de medida. No hay un benchmark público e independiente que compare el modelo licenciado con el mismo modelo servido por API: los tres resultados los publica Microsoft, no un laboratorio de fuera.

## El precio que no aparece en la nota

Microsoft no publica el precio de la licencia. La página del anuncio remite al equipo de cuenta y a los acuerdos con Frontier Company, así que cualquier cifra que circule sin contrato de por medio es una estimación de terceros. El silencio no es una excepción en este mercado, pero complica la comparación con la alternativa evidente, que es pagar por token en la API.

Los precios que sí están publicados pertenecen a otra cosa. En el mismo Ignite, MAI Code 2 se anunció con el 98% de la calidad de GPT-6.1 Sol a cerca del 40% del precio, y MAI Cyber 2 Flash con menos del 2% del coste por tarea frente a GPT-6 Astra. Son tarifas por millón de tokens de un servicio alquilado, y el [precio plano que Google puso a Gemini 4 Hydrogen](https://observatorioblockchain.com/inteligencia-artificial/gemini-4-hydrogen) pertenece a la misma familia.

Comparar una licencia con la API sin decir esto es comparar un alquiler con una compra. Una licencia se negocia con otras variables, como el cómputo reservado, el soporte y los años de contrato.

La trampa de la comparación fácil es esa: el coste real no se mide solo en la factura del modelo. Hay que sumar el hardware, la energía y el equipo que lo opera, y ese ahorro convive con una industria que sigue metiendo dinero en capacidad de cálculo, como muestra la [inversión de TSMC en Anthropic y OpenAI](https://observatorioblockchain.com/inteligencia-artificial/tsmc-invierte-anthropic-openai-1000-millones). Para una empresa mediana, la pregunta útil no es cuánto baja el token sino en cuánto tiempo se recupera la inversión.

## Lo que queda por ver en la licencia de pesos

Falta saber si el cliente podrá auditar el modelo que ejecuta. Una licencia de pesos sin acceso al código de entrenamiento ni a los datos de origen deja al comprador con la palabra del proveedor sobre el comportamiento del sistema, y eso choca con la trazabilidad que va a pedir cualquier auditoría de un sistema de alto riesgo. La [presión legal sobre los grandes proveedores de IA](https://observatorioblockchain.com/inteligencia-artificial/demanda-ia-cinco-gigantes) apunta en la misma dirección.

También queda por ver qué pasa cuando el contrato termine. Un modelo personalizado con datos propios y ejecutado en la nube del cliente parece un activo, pero solo lo es si la licencia permite seguir usándolo tras la relación comercial. Microsoft ha vendido control, y el tamaño real de ese control se conocerá en el primer contrato que se haga público.
