Microsoft Lanza Siete Modelos MAI de IA Internos en Build 2026

TL;DR / KEY POINTS

• Microsoft ha lanzado una familia de siete nuevos modelos de Inteligencia Artificial (IA) desarrollados internamente, conocidos como la familia MAI, durante su conferencia Build 2026.
• Esta estrategia tiene como objetivo lograr la autosuficiencia a largo plazo en IA, reduciendo la dependencia de modelos de socios externos como OpenAI y Anthropic.
• Los modelos abarcan capacidades clave como razonamiento (MAI-Thinking-1), codificación (MAI-Code-1-Flash), generación y edición de imágenes (MAI-Image-2.5), transcripción (MAI-Transcribe-1.5) y generación de voz (MAI-Voice-2).
• Microsoft afirma que sus nuevos modelos superan el rendimiento de la competencia en varias métricas, incluyendo comparaciones con Claude Sonnet 4.6, Claude Opus 4.6 y Google Nano Banana.

La Estrategia de Autosuficiencia de Microsoft en IA

En la conferencia de desarrolladores Build 2026, Microsoft desveló un conjunto de siete modelos de IA completamente nuevos y desarrollados de forma interna, marcando un cambio estratégico hacia una mayor autonomía en el campo de la Inteligencia Artificial. Esta iniciativa es parte de un esfuerzo por construir un laboratorio de superinteligencia y establecer un enfoque que Microsoft cree que definirá la próxima fase de la IA, con una visión de superinteligencia humanista. La compañía busca controlar su propia pila de IA, lo que implica una menor dependencia de proveedores de modelos externos, como se ha visto en su historial con OpenAI y Anthropic. Según el CEO de Microsoft AI, Mustafa Suleyman, estos modelos son componentes clave de una "máquina de escalada" diseñada para el auto-mejoramiento continuo a través de la inversión en recursos computacionales, datos de entrenamiento optimizados y sistemas de evaluación refinados.

Capacidades Clave de los Nuevos Modelos MAI

La familia MAI representa un ecosistema multimodal diseñado para abordar una amplia gama de tareas del mundo real. Los modelos presentados incluyen:

• MAI-Thinking-1: Este es el modelo de razonamiento insignia de Microsoft AI, un modelo de tamaño medio con 35 mil millones de parámetros activos. Ha demostrado capacidades avanzadas de razonamiento matemático y en ingeniería de software, equiparando el rendimiento de modelos líderes como Claude Sonnet 4.6 de Anthropic y superando a Claude Opus 4.6 en benchmarks de codificación en evaluaciones ciegas realizadas por humanos. Fue entrenado desde cero con datos limpios y licenciados comercialmente.
• MAI-Code-1-Flash: Un modelo de codificación agente e inferencia-eficiente de 5 mil millones de parámetros, diseñado para una profunda integración con GitHub Copilot y VS Code. Se compara favorablemente con modelos como Haiku, ofreciendo una solución más rentable.
• MAI-Image-2.5 (y su variante Flash): Este modelo soporta tanto la generación de texto a imagen de clase mundial como la edición de imágenes. Ha superado a Nano Banana Pro de Google en puntuaciones de Arena y se posiciona en segundo lugar en un leaderboard líder de edición de imágenes. Incorpora capacidades de "control con preservación" para una edición más precisa. Ya está disponible en PowerPoint y OneDrive, y pronto lo estará en Microsoft Foundry.
• MAI-Transcribe-1.5: Microsoft lo describe como el mejor modelo de transcripción del mundo, con una precisión de vanguardia. Soporta 43 idiomas, mejora la eficiencia y añade sesgo de contenido para transcribir palabras especializadas correctamente, manteniendo su posición número 1 en el benchmark FLEURS.
• MAI-Voice-2 (y su variante Flash): Este modelo ofrece generación de voz de alta calidad y sonido natural en más de 15 idiomas, incluyendo capacidades de clonación de voz y voice prompting.

Los modelos se están implementando progresivamente, con MAI-Thinking-1 en previsualización privada en Microsoft Foundry, y otros ya integrados en productos como Copilot, VS Code, PowerPoint y OneDrive. Este lanzamiento subraya el compromiso de Microsoft con una estrategia donde la propiedad del modelo y la autonomía tecnológica son fundamentales para su futuro en la IA.