Modelo

Microsoft saca siete modelos MAI con un 95 % menos de coste

Microsoft ha liberado una familia completa de siete modelos propios de IA en el marco de su conferencia Ignite 2026, todos ellos orientados a coste por tarea más que a récords de capacidad.

Microsoft saca siete modelos MAI con un 95 % menos de coste

Microsoft publica siete modelos MAI con precio-rendimiento agresivo

Microsoft ha liberado una familia completa de siete modelos propios de IA en el marco de su conferencia Ignite 2026, todos ellos orientados a coste por tarea más que a récords de capacidad. El argumento comercial es directo: mientras el gasto en tokens de las empresas crece sin control, MAI quiere que los agentes de IA puedan funcionar 24/7 haciendo trabajo real de ingeniería sin disparar la factura.

Los números que da la compañía son considerables. MAI Cyber 2 Flash supera en calidad a GPT-6 Astra por menos del 2 % del coste por tarea en el referencia CyberGym-E2E. MAI Code 2 alcanza el 98 % de la calidad de GPT-6.1 Sol por el 40 % del precio y el 96 % del rendimiento de Claude Opus 5.5 por apenas el 5 % del precio. MAI Code 2 Flash se sitúa al nivel de GPT-6 Luna y Claude Haiku 5.5 por el 65 % y el 20 % del precio respectivamente. MAI Image 2.7 encabeza la tabla de edición de imágenes de Artificial Analysis, por encima de GPT Image 2.6 Sunburst en modo máximo, a un quinto del precio. MAI Realtime 1, primer modelo de voz a voz de Microsoft, supera a GPT-Realtime 2.1 en las evaluaciones externas y en las de Dynamics 365, y parte de 0,01 dólares por minuto de audio.

Decisión 1.1 es el enrutador de modelos de la casa: integra el enrutado dentro de las aplicaciones para que los modelos grandes y caros solo se usen cuando de verdad hacen falta. Microsoft afirma que va por delante de Jev, Google y OpenAI en el AA Decision Index, que ya lo usan 4.000 clientes, y que es 50 veces más rápido y 79 veces más barato que GPT-6.1 Sol. En el frente de hardware, Maia 200, el segundo acelerador de IA de Microsoft, ya está en producción ejecutando sus modelos más grandes y consigue 1,7 veces más tokens por vatio.

El elemento más inesperado es Dragon Copilot Transcribe, construido sobre MAI Transcribe 2, que transcribe el 100 % de las conversaciones médico-paciente de Dragon Copilot: 10 millones de consultas al mes, con la tasa de error en flujos multilingües reducida a la mitad y en manos de un tercio de los médicos de Estados Unidos. MAI Cyber representa casi el 40 % de los escaneos en MDASH, y el 90 % de los escaneos que empiezan con un modelo MAI continúan usándolo.

Resumen

Microsoft presenta en Ignite 2026 siete modelos MAI nuevos, orientados a un precio por tarea muy bajo: MAI Cyber 2 Flash, MAI Code 2, MAI Code 2 Flash, MAI Image 2.7, MAI Realtime 1, Dragon Copilot Transcribe y Decisión 1.1.

MAI Code 2 entrega el 98 % de la calidad de GPT-6.1 Sol al 40 % del precio y el 96 % del rendimiento de Claude Opus 5.5 al 5 % del precio.

MAI Realtime 1 es el primer modelo de voz a voz de la compañía y arranca en 0,01 dólares por minuto de audio; MAI Image 2.7 es el mejor editor de imágenes según Artificial Analysis.

Decisión 1.1 enruta modelos dentro de las aplicaciones y es 50 veces más rápido y 79 veces más barato que GPT-6.1 Sol según Microsoft, con 4.000 clientes.

Maia 200, el acelerador propio de segunda generación, ya está en producción y ofrece 1,7 veces más tokens por vatio.

Opinión

La lectura interesante para un técnico de redes no es la tabla de referencias, sino la existencia de un segundo acelerador propio en producción. Maia 200 con mejora medida en tokens por vatio es la variable que más me importa: si el rendimiento por watt del silicio propio sube, la infraestructura de inferencia cambia de economía, y con ella el cálculo de qué tiene sentido ejecutar en el borde y qué en el centro de datos.

El movimiento de Microsoft hacia modelos baratos por tarea encaja con un patrón que ya se repite en el sector: el gasto en tokens es la factura que ahoga a los equipos de TI, no el precio por usuario. En un entorno donde los agentes se ejecutan de forma continua, cada punto de porcentaje en coste por tarea se convierte en decisiones de dimensionado de red, de ancho de banda hacia las API y de directivas de caché.

Donde no me convence es en el análisis de las comparativas: son cifras de la propia Microsoft sobre referencias que ella elige, sin números de latencia real ni de consumo energético medidos de forma independiente. La confirmación con Maia 200 en producción y con clientes reales como los 4.000 de Decisión 1.1 es lo que me haría creérmelo del todo. Hasta el momento, es una promesa de coste muy bien enunciada.

Fuente original

Esta entrada traduce y resume un artículo publicado originalmente en Microsoft AI.

https://microsoft.ai/news/microsoft-ignite-2026/