Microsoft desarrolla su propio conjunto de IA de "tres piezas" y afirma que para 2027 crearán modelos avanzados de gran tamaño de forma autónoma

La empresa tecnológica estadounidense Microsoft anunció el jueves el lanzamiento oficial para uso comercial generalizado de tres modelos de IA desarrollados internamente, mostrando el esfuerzo de la compañía por desengancharse de su dependencia de su socio de larga data, OpenAI.

En concreto, el equipo de superinteligencia de IA de Microsoft, desarrollado por el MAI-Transcribe-1, MAI-Voice-1 y MAI-Image-2, abarca las 3 capacidades con mayor valor comercial dentro de la IA empresarial: transcripción de voz, generación de voz y creación de imágenes.

(El director ejecutivo de Microsoft, Nadella, anunció esta actualización; fuente: X)

Microsoft señaló que MAI-Transcribe-1 tiene la mayor precisión entre los modelos de transcripción más utilizados en el mercado. En las pruebas que abarcaron todos los idiomas, su tasa de error promedio fue de 3.9%. En cambio, el error de GPT-Transcribe de OpenAI fue de 4.2% y Gemini 3.1 Flash de 4.9%.

El modelo de generación de voz MAI-Voice-1, según se afirma, puede generar 60 segundos de audio en menos de un segundo en una “GPU única”, y además puede mantener la consistencia de la voz en la generación de contenido largo.

MAI-Image-2 se lanzó por primera vez el 19 de marzo y el jueves también se hizo con el resto de dos modelos el lanzamiento para uso comercial generalizado. En la clasificación de generación de imágenes a partir de texto en el “LMS de grandes modelos”, este modelo ocupa el tercer lugar, solo por detrás del producto estrella de Google, Nano Banana 2, y del GPT-Image 1.5 de OpenAI.

En una comparación horizontal de precios, el precio inicial para la entrada de texto de MAI-Image-2 es de 5 dólares por cada 1 millón de tokens, y la salida de imágenes es de 33 dólares por cada 1 millón de tokens. El modelo de generación de imágenes Gemini 3 Pro de Google cuesta 120 dólares por cada 1 millón de tokens; Gemini 3.1 Flash cuesta 60 dólares por cada 1 millón de tokens.

Objetivo: desarrollar de forma autónoma modelos de gran escala de vanguardia mundial

La medida más reciente de Microsoft proviene de octubre del año pasado, cuando la compañía reestructuró la relación de colaboración con OpenAI, permitiendo que Microsoft persiguiera, por sí sola o en conjunto con terceros socios, los derechos para buscar una inteligencia artificial general. El acuerdo previo permitía a Microsoft usar la propiedad intelectual de OpenAI, pero al mismo tiempo le prohibía desarrollar sistemas de IA competitivos.

El director ejecutivo de Microsoft de IA, Mustafa Suleyman, declaró públicamente que el objetivo del equipo para 2027 es “poder alcanzar realmente el nivel más avanzado”, abarcando modelos capaces de responder o generar texto, imágenes y audio.

Suleyman explicó que la compañía está construyendo la potencia de cómputo necesaria para entrenar modelos y que, desde octubre del año pasado, ha desplegado los chips NVIDIA GB200.

Dijo: “A partir de entonces, iremos subiendo gradualmente, durante aproximadamente los próximos 12 a 18 meses, hasta alcanzar la capacidad de cómputo a escala de vanguardia”.

Como cofundador de DeepMind de Google, Suleyman se incorporó a Microsoft en 2024 para encargarse de integrar la IA en sus productos de consumo. Después de que Microsoft cerrara el acuerdo con OpenAI en octubre del año pasado, Suleyman asumió a tiempo completo en noviembre pasado el liderazgo del equipo de superinteligencia de IA de Microsoft. En la reestructuración interna del mes pasado, sus responsabilidades se redujeron al desarrollo de modelos, y el ex ejecutivo de Snap, Jacob Andrio, asumió la función de producto de los asistentes Copilot de Microsoft dirigidos a usuarios empresariales y personales.

Suleyman dijo a los medios: “Queremos subrayar que es crucial avanzar, en los próximos tres a cinco años, nuestras capacidades de IA más avanzadas y cumplir la misión estratégica de lograr autonomía a largo plazo”. También añadió que la compañía continuará alojando modelos desarrollados por otras empresas.

A largo plazo, la profundidad de acceso de Microsoft a la propiedad intelectual de OpenAI expira en 2032, por lo que desarrollar modelos de gran escala propios también es un importante mecanismo de cobertura de riesgos.

El negocio de modelos propios de Microsoft, que apenas está comenzando, también presenta bastantes carencias, lo que demuestra que el equipo de Suleyman tendrá mucho trabajo por delante durante el próximo año.

Por ejemplo, actualmente MAI-Image-2 solo admite una relación de aspecto 1:1; no ofrece opciones horizontal ni vertical. En otras aplicaciones de IA comunes, tampoco existen funciones como edición de imagen a imagen o soporte de imagen de referencia. MAI-Transcribe-1 no puede distinguir diferentes interlocutores en una conversación y tampoco admite sesgo de contexto ni transmisión en flujo continuo; Microsoft afirma que estas tres funciones están en desarrollo.

（Fuente: Caixin (Finanzas y Sociedad))