Microsoft y Google lanzan nuevos modelos de IA el mismo día: capacidades de voz, imagen y código abierto local en acción

Microsoft y Google anunciaron el jueves que lanzarán nuevos modelos de IA, pero las diferencias entre ambos son evidentes: Microsoft publicó un nuevo modelo base, MAI, que solo está disponible a través de su plataforma Azure Foundry y el MAI Playground, disponible únicamente en EE. UU.; mientras que Google presentó un nuevo modelo de código abierto, Gemma 4, que puede ejecutarse localmente. Además, Google cambió las licencias de estos nuevos modelos de código abierto a Apache 2.0.

Tres modelos MAI “de nivel mundial” desarrollados internamente

Los modelos MAI “de nivel mundial” desarrollados internamente por Microsoft incluyen, en total, tres:

En primer lugar está MAI-Transcribe-1, un modelo de reconocimiento de voz a texto “de última generación” que puede comprender 25 de los idiomas más utilizados en todo el mundo. Su velocidad de transcripción en lote es 2,5 veces superior a la solución Azure Fast de Microsoft existente.

En segundo lugar está MAI-Voice-1, un nuevo modelo de generación de voz que puede generar audio de 60 segundos con solo 1 segundo. Además, también admite la creación de voces personalizadas en Microsoft Foundry a través de muestras de audio cortas.

Por último está MAI-Image-2, un modelo de texto a imagen más rápido que ya ha empezado a implementarse en Copilot y que, a continuación, se irá aplicando de forma progresiva en Bing y PowerPoint.

Microsoft afirma:

“Estamos desplegando rápidamente estos modelos de primer nivel para respaldar nuestros productos de consumo y empresariales. Muy pronto verás más modelos en Foundry y en toda clase de productos y experiencias de Microsoft.”

El modelo de código abierto Gemma 4 de Google

El modelo de código abierto Gemma 4 de Google utiliza una licencia Apache 2.0 y ya no emplea el anterior acuerdo de licencia personalizado de Gemma. Google afirma que estos modelos cuentan con capacidades avanzadas de razonamiento, flujos de trabajo tipo agente, generación de código y capacidades de generación de visión y audio, y que ofrecen cuatro versiones diferentes, optimizadas para la ejecución local, incluso con posibilidad de ejecutarse en “decenas de miles de millones de dispositivos Android”.

Google afirma:

“Gemma 4 se basa en el mismo nivel mundial de investigación y tecnología que Gemini 3. Es, hoy por hoy, una de las series de modelos con mayor capacidad que puedes ejecutar localmente en hardware. Son complementarios a nuestros modelos Gemini y ofrecen a los desarrolladores la combinación de herramientas de código abierto y propietarias más potente de la industria.”

Entre ellos, los modelos Gemma 4 de 26B y 31B, de mayor escala, están pensados para ejecutarse en GPU de consumo, y se pueden utilizar para impulsar IDE, asistentes de programación y flujos de trabajo tipo agente. En cambio, las versiones más ligeras E2B y E4B se centran más en las capacidades multimodales y el procesamiento de baja latencia, y resultan adecuadas para dispositivos móviles y dispositivos de IoT (incluida la Raspberry Pi). Estos modelos también admiten ejecución 100% sin conexión.

El modelo de código abierto Gemma 4 de Google puede descargarse en varias plataformas, incluidas Hugging Face, Kaggle y Ollama. Google subraya:

“En cuanto a seguridad de infraestructura, estos modelos siguen los mismos rigurosos protocolos de seguridad que nuestros modelos propietarios.”

Más noticias, en actualización continua

Aviso de riesgos y cláusulas de exención de responsabilidad

        El mercado implica riesgos; invierte con prudencia. Este artículo no constituye asesoramiento de inversión personal, y tampoco ha considerado los objetivos de inversión específicos de usuarios concretos, su situación financiera o sus necesidades. Los usuarios deben considerar si cualesquiera opiniones, puntos de vista o conclusiones contenidas en este artículo se ajustan a su situación específica. En consecuencia, la inversión es bajo su propia responsabilidad.