Actualidad

Inteligencia Artificial

Microsoft lanza siete modelos MAI y busca a Astra y Opus

Ignite 2026 deja siete modelos MAI: Code 2 al 96% de Opus 5.5 por el 5% del precio y Cyber 2 Flash bajo el 2% del coste de Astra. Qué hay detrás.

Microsoft lanza siete modelos MAI y busca a Astra y Opus
Microsoft lanza siete modelos MAI y busca a Astra y Opus

La pantalla del escenario de Ignite mostró el 17 de noviembre dos números y un cociente. MAI Code 2 llega al 96% del rendimiento de Claude Opus 5.5 en programación de empresa y se vende al 5% de su precio, las dos cifras que figuran en el anuncio de los siete modelos MAI. Con esos números, Microsoft deja de discutir quién tiene el modelo más listo y pasa a discutir cuánto cuesta una tarea terminada, que es la pregunta del departamento de compras.

Ignite es la conferencia anual para clientes técnicos y este año sirvió de escaparate a una familia completa. Hay dos modelos de código y cinco piezas más: un especialista en ciberseguridad, uno de imagen, otro de voz a voz, uno de transcripción dentro de Dragon Copilot y un enrutador que decide qué modelo atiende cada petición. Ninguno presume de ser el más capaz en términos absolutos y los siete llevan el precio pegado al mensaje.

Tres de las cifras más repetidas son el 96%, el 2% y el 79: salen de pruebas elegidas por el vendedor y, en un caso, de un precio promocional todavía sin cerrar. Ninguna aguanta un cambio de tarifa sin que la cuenta se mueva.

Siete modelos y un solo argumento, el coste por tarea

Mustafa Suleyman, responsable de Microsoft AI, subió al escenario con una factura en la cabeza. El gasto en tokens se ha ido por las nubes y, a precios de frontera, las cuentas no salen. Un token es la unidad con la que se factura el uso de un modelo, y de ahí sale el giro hacia especializar modelos por tarea en lugar de escalar uno solo hasta que sirva para todo.

La lista del 17 de noviembre cubre huecos concretos. Cyber 2 Flash apunta a la defensa, Code 2 y Code 2 Flash a la programación de empresa, Image 2.7 a la edición de imágenes, Realtime 1 a la conversación hablada, Transcribe 2 se integra en Dragon Copilot y Decision 1.1 decide qué modelo atiende cada petición. Son siete productos con la misma lógica comercial detrás.

Esa lógica tiene un precio, y la empresa lo admite por escrito: los modelos están hechos para el trabajo diario de una empresa, no para los problemas más duros. No están afinados para investigación científica básica ni para tareas de agente que duran horas.

Un modelo especializado gana en la tarea para la que se entrenó y pierde cuando el problema se sale del guion. Microsoft convierte ese intercambio en argumento de venta y deja ese trabajo a otras casas, que ocupan el hueco con apuestas como Nemotron for Science y sus agentes científicos. Para un equipo que programa todos los días el trato es razonable; para uno que busca un resultado nuevo, aquí no hay nada que comprar.

Code 2, cuatro pruebas y un descuento del 50%

El precio promocional del 50% es la pieza que sostiene el 96% del anuncio. Microsoft promedió DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas y FrontierCode v1.1, todas de programación empresarial y con el máximo esfuerzo de razonamiento, y MAI Code 2 publica un 98% del rendimiento de GPT-6.1 Sol al 40% del coste y un 96% del rendimiento de Opus 5.5 al 5% del coste.

El detalle está en cómo se midió cada prueba. Tres corrieron en MSBench, la plataforma interna de evaluación de Microsoft, con la interfaz de línea de comandos de GitHub Copilot y sin subagentes, mientras que los resultados y los costes de FrontierCode 1.1 proceden de Artificial Analysis. El coste de Code 2 se muestra además con su precio promocional del 50%, una nota al pie que la propia empresa incluye.

Ese descuento no invalida la comparación, pero mueve el suelo sobre el que está hecha. Si el 50% desaparece, el 5% frente a Opus se queda sin base y la frase del anuncio necesita otra cifra para sostenerse.

Hay una medición más que casi nadie repite. En una evaluación ciega de interfaces, juegos y visualizaciones, 258 anotadores prefirieron el resultado de Code 2 al de GPT-6 Sol el 64% de las veces. Es una preferencia humana sobre estética y funcionamiento, no una medida de corrección del código, y así la presenta la nota metodológica.

El argumento de Suleyman fue más allá del precio. Si el mismo modelo sirve para empujar la frontera científica, ese esfuerzo se paga en cada tarea, incluso al corregir un error de rutina, dijo en la transcripción de la keynote de MAI. Es una justificación razonable para no perseguir el techo de capacidad y, a la vez, la confesión de que Code 2 no es el modelo para un problema nuevo.

La versión Flash del modelo ya trabaja dentro de la casa. Microsoft derivó de ella MAI Work Flash, que sirve a varios productos de Microsoft 365 y de FabricIQ: en Word usa un 42% menos de tokens de entrada por llamada que GPT-6.1 Sol y en Teams gasta hasta un 28% menos en instrucciones y llamadas a herramientas.

Cyber 2 Flash y las 92 tareas que salieron del benchmark

La ventaja es de ocho décimas y el coste, más de cincuenta veces menor. En CyberGym-E2E, una prueba de descubrimiento de vulnerabilidades en condiciones reales, MAI Cyber 2 Flash obtiene un 92,3% de éxito frente al 91,5% de GPT-6 Astra con la mitad del presupuesto de razonamiento.

Los precios explican el resto. El modelo se cobra a 0,10 dólares por millón de tokens de entrada, 0,01 en caché y 0,50 de salida, frente a los 10, 1 y 50 dólares de GPT-6 Astra en la modalidad global de Azure OpenAI. La ventana de contexto es de un millón de tokens, cuatro veces la del modelo al que sustituye.

El despliegue no es abierto. Llega en exclusiva a los productos de seguridad de Microsoft como Codename MDASH y sustituirá al modelo actual para los clientes elegibles a partir de mediados de diciembre, tal como recoge la nota del modelo.

La adopción previa ayuda a entender el despliegue. MAI Cyber representa casi el 40% de los escaneos en MDASH y el 90% de los escaneos que empiezan con un modelo MAI lo siguen usando, mientras que Cyber 2 Flash cuesta un 86% menos en tokens de salida que MAI Cyber 1.1 Flash.

La parte que hace honor al anuncio es la que casi nadie publica. Al revisar los resultados, Microsoft encontró que 92 de las 905 tareas de CyberGym-E2E se apoyaban en los mismos proyectos de código abierto y los mismos informes de vulnerabilidad que aparecen en sus datos de entrenamiento, tal como reconoce el propio anuncio de MAI Cyber 2 Flash. Excluyó esas 92 tareas para todos los modelos, rivales incluidos, y reporta el resultado sobre las 813 restantes.

Queda un matiz que la cifra grande esconde. El coste por tarea se midió sobre la evaluación offline de CyberGym-E2E y a precio de lista, no sobre el gasto real de un cliente, y la empresa lo aclara en el pie. Insight Enterprises, uno de los clientes citados, reporta un 20% más de eficiencia de tokens frente a los modelos GPT que probó.

Imagen, voz y transcripción, el resto del catálogo

MAI Image 2.7 llega con el primer puesto en edición de imágenes de Artificial Analysis: 1.215 puntos Elo sobre 5.478 votos, cuatro puntos Elo de ventaja sobre GPT Image 2.6 Sunburst en su configuración máxima y un quinto del precio. El precio queda en unos 35 dólares por 1.000 imágenes y unos 10 para la versión Flash.

En generación desde texto, MAI Image 2.7 es cuarto y la empresa se conforma con ser el segundo laboratorio del ranking. Es el patrón de toda la familia: ganar en una categoría estrecha y cobrar menos que el líder generalista.

La familia ya es la opción por defecto de Bing Image Creator desde junio, con un crecimiento semanal compuesto del 14,7% que Microsoft atribuye a su propio servicio, y aparece en herramientas de Adobe, Figma Weave y Manus. Vivir dentro de un buscador y de un editor vale más que una medalla en un ranking.

MAI Realtime 1 es el primer modelo de voz a voz de la casa y arranca en 0,01 dólares por minuto de audio, con el razonamiento cobrado aparte a 1 y 5 dólares por millón de tokens. El anuncio compara MAI Realtime 1 con GPT Realtime 2.1 en Big Bench Audio y Tau-Voice y aclara un detalle práctico para quien ya tiene algo montado: es compatible con la API Realtime de OpenAI.

Eso significa que migrar una aplicación de voz existente no exige reescribirla. Si tienes un asistente telefónico en producción, el cambio cuesta una configuración y no un proyecto, aunque la factura solo baja cuando el volumen de audio es alto.

MAI Transcribe 2 no se vende suelto: dentro de Dragon Copilot cubre el 100% de las transcripciones entre médico y paciente, con 10 millones de encuentros al mes, la mitad de errores en flujos multilingües y un tercio de los médicos de Estados Unidos como usuarios.

Decision 1.1, el enrutado como producto

Decision 1.1 no es un modelo de frontera y no pretende serlo. Es un enrutador que decide cuándo hace falta el modelo grande y cuándo basta uno barato, y Microsoft lo coloca por delante de Jev, Google y OpenAI en el índice de decisión de Artificial Analysis. Lo usan 4.000 clientes y la empresa lo da por 50 veces más rápido y 79 veces más barato que GPT-6.1 Sol.

Ese 79 no mide la inteligencia de un modelo frente a otro. Mide el ahorro de no llamar siempre al más caro, y por eso describe mejor que ninguna otra cifra hacia dónde va el negocio: vender menos cómputo para la misma tarea.

Modelo Qué promete Con qué se compara Precio relativo
MAI Code 2 96-98% en coding de empresa Claude Opus 5.5 y GPT-6.1 Sol 5% y 40% del precio
MAI Code 2 Flash Calidad similar en tareas rutinarias Claude Haiku 5.5 y GPT-6 Luna 20% y 65% del precio
MAI Cyber 2 Flash 92,3% en CyberGym-E2E GPT-6 Astra (91,5%) menos del 2% por tarea
MAI Image 2.7 Primero en edición de imágenes GPT Image 2.6 Sunburst max un quinto del precio
MAI Realtime 1 Voz a voz con baja latencia GPT Realtime 2.1 desde 0,01 $ por minuto
Decision 1.1 Enrutado entre modelos GPT-6.1 Sol 79 veces más barato

La letra pequeña que el anuncio sí escribe

Ninguna comparación es falsa y todas son favorables, que son dos cosas distintas. Microsoft elige las pruebas, fija el esfuerzo de razonamiento, decide qué configuración del rival usa y calcula el coste con precios de lista o promocionales según el caso. Un comprador que rehaga la cuenta con su propia factura encontrará números parecidos, no idénticos.

La distancia entre el 96% y el 100% es donde suelen aparecer las quejas. Cuatro puntos en una media de cuatro pruebas significan que en las tareas raras el modelo barato falla más, y esas son justo las que consumen el tiempo de un ingeniero.

El contexto competitivo no desaparece porque el anuncio no lo mencione. Anthropic prepara su salida a bolsa con los modelos Claude Fable 5.2 y Mythos 5.2 en el mercado. Google lleva meses empujando Gemini 4 Hydrogen con un precio plano que ataca el mismo argumento. La guerra ya no se libra en la puntuación de un ranking, sino en la factura mensual.

Lo que Microsoft se juega con el precio por tarea

La compañía ha elegido un terreno en el que puede ganar sin ser la mejor. Si el comprador compara coste por informe cerrado o por hora de vigilancia, el modelo especializado compite; si compara capacidad bruta ante un problema que nadie ha visto antes, pierde. El anuncio del 17 de noviembre apuesta a que el primer comprador es mayoría en una empresa mediana.

Queda una incógnita que no resuelven las notas de prensa: si el precio promocional del 50% de Code 2 se convierte en tarifa estable o vuelve a su nivel al cerrar el trimestre. Si compras capacidad de coding este trimestre, ese es el número que conviene vigilar, porque cuando cambie, la comparación con Opus 5.5 dejará de ser un 5% y habrá que rehacer la cuenta con los precios nuevos.

José Maldonado

Autor

José Maldonado

Activista y bloguero de tecnología, software libre y blockchain.

Lo último
Hyundai Card y JPMorgan prueban cambio de divisas con agentes de IA y blockchain

Seguir leyendo

Una lectura semanal imprescindible sobre inteligencia artificial y blockchain.

Te explicamos cómo transforman la economía, qué nuevas puertas te abren y cómo te afectan.