Siete modelos MAI para razonamiento, programación, imágenes, transcripción y generación de voz forman la nueva familia de inteligencia artificial de Microsoft. La compañía la anunció el 2 de junio de 2026 y la presentó como un conjunto de modelos desarrollados internamente, pensado para integrarse tanto en sus productos como en servicios para desarrolladores.
El anuncio de Microsoft AI enumera MAI-Thinking-1, MAI-Code-1-Flash, MAI-Image-2.5 y su variante Flash, MAI-Transcribe-1.5 y MAI-Voice-2, además de una variante Flash de voz anunciada como próxima. La empresa los describe como una familia multimodal: modelos distintos, pero construidos sobre una infraestructura compartida y destinados a trabajar dentro de un mismo ecosistema.
Una familia con modelos para cinco tareas
MAI-Thinking-1 es el modelo de razonamiento insignia. Microsoft lo define como un modelo de tamaño medio y afirma que iguala a modelos líderes en pruebas de ingeniería de software y muestra capacidades avanzadas de razonamiento matemático. En su evaluación comparativa a ciegas, dice que los participantes lo prefirieron a Sonnet 4.6; no publicó en el anuncio los resultados numéricos de esa evaluación.
El blog oficial de Microsoft concreta que MAI-Thinking-1 tiene 35.000 millones de parámetros activos y una ventana de contexto de 256.000 tokens. La empresa señala que fue entrenado desde cero, sin destilación de modelos de terceros, y que está disponible en Microsoft Foundry en vista previa privada. También afirma que iguala a Opus 4.6 en capacidades de programación en SWE Bench Pro y que fue diseñado para instrucciones complejas de varios pasos, razonamiento con contexto extenso y generación de código.
MAI-Code-1-Flash es el modelo de programación eficiente en inferencia. Microsoft lo describe como un modelo agéntico adaptado para GitHub Copilot, Visual Studio Code y la pila de Microsoft; el anuncio de Microsoft AI le atribuye 5.000 millones de parámetros activos y dice que es comparable a Haiku, con un coste menor. El blog de Microsoft Build lo nombra como MAI-Code-1 y señala que ya está disponible en Copilot y VS Code.
La parte visual corresponde a MAI-Image-2.5 y su variante Flash. Microsoft afirma que admiten generación de imágenes a partir de texto y edición de imágenes, y presenta Flash como una opción de mayor eficiencia. En su publicación de Build, la compañía sitúa a MAI-Image-2.5 en el tercer puesto de Arena AI para texto a imagen y en el segundo para tareas de imagen a imagen, donde dice que supera a Nano Banana 2. Son posiciones y comparaciones comunicadas por Microsoft.
Para audio, Microsoft anunció MAI-Transcribe-1.5, con transcripción en 43 idiomas y soporte incorporado para terminología específica de cada dominio. La compañía sostiene que ofrece precisión de vanguardia y que es cinco veces más rápido que modelos competidores, sin identificar en esa publicación cuáles usó para la comparación. En voz, MAI-Voice-2 genera habla en 15 idiomas y puede adaptar una voz a partir de una muestra corta; la variante MAI-Voice-2-Flash, descrita como más eficiente y de menor coste, estaba anunciada como próxima.
| Modelo | Función descrita | Detalle comunicado |
|---|---|---|
| MAI-Thinking-1 | Razonamiento y código | 35.000 millones de parámetros activos; contexto de 256.000 tokens. |
| MAI-Code-1-Flash | Programación agéntica | 5.000 millones de parámetros activos; integración con GitHub Copilot y VS Code. |
| MAI-Image-2.5 y Flash | Generación y edición de imágenes | Texto a imagen e imagen a imagen; Flash se orienta a la eficiencia. |
| MAI-Transcribe-1.5 | Transcripción de voz | 43 idiomas y terminología específica de dominio. |
| MAI-Voice-2 y Flash | Generación de voz | 15 idiomas; adaptación de voz desde una muestra corta. |
Acceso desde Foundry y plataformas externas
Microsoft planea ofrecer los modelos en Microsoft Foundry y sus productos, además de ampliar el acceso para desarrolladores mediante OpenRouter, Fireworks y Baseten. La publicación de Microsoft AI añade que, por primera vez, los desarrolladores podrán ajustar por sí mismos los pesos de los modelos. No detalla en el anuncio cuándo estará disponible cada modelo en cada plataforma ni sus precios.
Los detalles de disponibilidad varían entre las publicaciones de Microsoft. El blog de Build indica que MAI-Thinking-1 está en vista previa privada en Foundry y que MAI-Image-2.5 ya está en PowerPoint, con despliegue en OneDrive, además de su llegada a Foundry. En cambio, el resumen de Foundry publicado para Build incluye cuatro modelos en vista previa pública y los enumera como MAI-Thinking-1, MAI-Image-2.5, MAI-Transcribe-2 y MAI-Voice-2. Esa publicación llama al modelo de transcripción MAI-Transcribe-2, mientras que el anuncio de Microsoft AI y el blog de Build usan MAI-Transcribe-1.5.
La nomenclatura también cambia para el modelo de código: la publicación de Microsoft AI habla de MAI-Code-1-Flash, mientras que el blog de Build lo presenta como MAI-Code-1. Las páginas no explican si esos nombres corresponden a variantes distintas o a una actualización en la denominación. Microsoft no ofrece allí una aclaración adicional.
Frontier Tuning y los modelos adaptados a cada empresa
La otra parte central del anuncio es Microsoft Frontier Tuning, un enfoque de ajuste que utiliza aprendizaje por refuerzo en entornos reales. Microsoft dice que las organizaciones pueden entrenar modelos con sus propios flujos de trabajo y datos, dentro de su entorno, y conservar la propiedad del modelo ajustado. La compañía describe esos entornos como espacios de entrenamiento accesibles solo para cada organización.
Microsoft asegura que sus modelos ajustados pueden ser más eficientes y rendir mejor que alternativas generales en tareas concretas. Como ejemplo, afirma que su modelo para Excel iguala a GPT 5.4 con una eficiencia de hasta diez veces. También dice que, al ajustarse a los estándares de una organización empresarial, MAI obtuvo la mayor tasa de victorias entre los modelos evaluados, con un coste aproximadamente diez veces menor. El anuncio no identifica a esa organización ni especifica el protocolo de esas pruebas.
People – you – must always remain in control.
— Mustafa Suleyman
En la publicación, Mustafa Suleyman presenta el desarrollo como parte de una estrategia de largo plazo: Microsoft afirma que entrena sus modelos de razonamiento desde cero, que no destila modelos de otros laboratorios y que usa conjuntos de datos limpios, trazables y con licencia comercial. También dice que diseña sus sistemas junto con su silicio Maia 200 y que ya observa una mejora de eficiencia de 1,4 veces gracias a ese trabajo.
Mayo Clinic participará en un modelo para sanidad
Microsoft y Mayo Clinic anunciaron una colaboración para crear un modelo de IA para el ámbito sanitario. El proyecto combinará la experiencia clínica de Mayo Clinic y datos clínicos desidentificados con las capacidades de IA de Microsoft. La compañía dice que el sistema se diseñará para razonamiento clínico y distintos usos sanitarios.
La primera implementación está prevista dentro del entorno de Mayo Clinic. Microsoft menciona entre los objetivos potenciales diagnósticos más tempranos y precisos, además de planificación de tratamientos. Una vez validado, el modelo se ofrecería a otras organizaciones a través de Foundry. Según el anuncio, Mayo Clinic será propietaria del modelo; no se comunicó un calendario de lanzamiento.
La disponibilidad y el coste serán decisivos para evaluar el alcance práctico de la familia, pero Microsoft no publicó precios para los modelos en el anuncio. Sí presentó una hoja de ruta de distribución y distintas integraciones; el acceso y el estado de cada modelo dependen del canal, según las publicaciones de la compañía.
Microsoft también dijo que espera ampliar rápidamente su capacidad de cómputo y sus capacidades durante el próximo año. Para los desarrolladores, los siguientes hitos concretos serán la disponibilidad de cada modelo en Foundry y en las plataformas externas, y la llegada de MAI-Voice-2-Flash, que la empresa describió como próximo.
Fuentes: DEV Community, Microsoft AI, The Official Microsoft Blog, Microsoft Foundry Blog
