Microsoft MAI: qué son los 7 nuevos modelos de IA y para qué sirven

Microsoft AI acaba de presentar una de sus apuestas más relevantes en inteligencia artificial: una familia de siete nuevos modelos de inteligencia artificial desarrollados internamente bajo la marca MAI.

Además de los siete nuevos modelos de IA, Microsoft plantea una ambición mucho mayor: crear un laboratorio de superinteligencia y una organización capaz de mejorar sus modelos de forma continua, ciclo tras ciclo, a medida que aumentan el cálculo, los datos y la capacidad de evaluación.

Microsoft explica esta intención mediante una metáfora: "la construcción de una máquina para subir colinas”. En el campo del machine learning, subir una colina es avanzar gradualmente hacia mejores resultados, corrigiendo el rumbo con cada iteración:

"La próxima fase de la inteligencia artificial no dependerá solo de lanzar modelos más potentes, sino de construir un sistema capaz de ampliar continuamente los límites de la IA."

El primer paso de esta estrategia ya está aquí: siete nuevos modelos MAI que abarcan razonamiento, código, imagen, voz y transcripción, y que permiten entender hacia dónde quiere llevar Microsoft su propia tecnología de inteligencia artificial.

En este artículo repasamos los siete nuevos modelos MAI de Microsoft AI, para qué sirve cada uno, qué los diferencia y qué revelan sobre el futuro de la estrategia de IA de Microsoft.

¿Qué son los modelos MAI de Microsoft AI? 

MAI es la nueva familia de modelos de inteligencia artificial desarrollada internamente por Microsoft AI, concebida para cubrir algunas de las capacidades más relevantes de la IA actual: razonamiento, programación, generación y edición de imágenes, voz y transcripción. 

El lanzamiento inicial reúne siete modelos de IA especializados, aunque Microsoft ya plantea MAI como una familia que continuará creciendo y evolucionando con nuevas capacidades.

Más allá del número de modelos, la importancia de MAI está en lo que representa para la estrategia de Microsoft: una apuesta por desarrollar tecnología de IA propia y optimizada para distintos tipos de tareas y contextos de uso.

En lugar de depender únicamente de grandes modelos generalistas, Microsoft busca construir modelos capaces de integrarse en productos, herramientas y flujos de trabajo concretos, con diferentes niveles de especialización según la tarea.

¿Tu empresa quiere pasar de los pilotos de IA a resultados operativos reales?

Los 7 modelos MAI de Microsoft: qué hace cada uno y cuáles son sus capacidades 

La familia MAI de Microsoft AI está formada inicialmente por siete modelos especializados en razonamiento, programación, generación y edición de imágenes, transcripción y voz.

Cada modelo ha sido desarrollado para abordar un tipo de tarea específico, desde resolver problemas complejos y generar código hasta crear contenido visual o procesar lenguaje hablado.

1. MAI-Thinking-1: el modelo de razonamiento de Microsoft AI 

MAI-Thinking-1 es el modelo insignia de razonamiento de Microsoft AI. Según la compañía, se trata de un modelo de tamaño medio capaz de competir con algunos de los sistemas más sólidos de su categoría, con buenos resultados en benchmarks de ingeniería de software y capacidades avanzadas de razonamiento matemático.

Uno de sus elementos diferenciales es el proceso de entrenamiento. Microsoft destaca que MAI-Thinking-1 ha sido entrenado desde cero con datos limpios y sin recurrir a la destilación de modelos de terceros.

Esto refuerza la apuesta de la compañía por desarrollar capacidades propias y mantener un mayor control sobre cómo se construyen y evolucionan sus modelos.

2. MAI-Code-1-Flash: el modelo de programación de Microsoft para GitHub Copilot y VS Code 

MAI-Code-1-Flash es el modelo de Microsoft AI orientado al desarrollo de software con agentes de IA, diseñado para ofrecer buen rendimiento con un menor coste de inferencia.

Microsoft lo presenta como un modelo desarrollado específicamente para integrarse con GitHub Copilot, Visual Studio Code y el ecosistema tecnológico de Microsoft, lo que refleja una estrategia distinta a la de los modelos generalistas: optimizar la IA para los entornos y herramientas donde se utiliza realmente.

Con 5.000 millones de parámetros activos, Microsoft compara su perfil de rendimiento con modelos como Haiku, aunque con un coste inferior.

Más allá de esta comparación, uno de los aspectos más relevantes de MAI-Code-1-Flash es precisamente su especialización: está pensado para incorporarse directamente a herramientas utilizadas diariamente por desarrolladores y equipos de ingeniería.

MAI-Code-1-Flash representa, por tanto, la apuesta de Microsoft por una IA para programación más especializada, eficiente y estrechamente integrada con su ecosistema de desarrollo, un terreno especialmente estratégico por el peso de GitHub Copilot y Visual Studio Code en la adopción de herramientas de programación asistida por IA. 

3. MAI-Image-2.5: generación y edición de imágenes con IA 

MAI-Image-2.5 es el modelo de Microsoft AI para la generación y edición de imágenes. Según la compañía, admite tanto tareas de texto a imagen como edición visual avanzada.

Microsoft afirma que MAI-Image-2.5 supera la puntuación Arena de Nano Banana Pro, una referencia con la que deja clara su intención de competir en uno de los terrenos más visibles de la IA generativa: la creación visual.

En el entorno empresarial, el valor de este tipo de modelos no está solo en generar imágenes atractivas, sino en editar, iterar, adaptar formatos, mantener coherencia visual y acelerar los flujos de producción.

Para áreas como marketing, diseño, comunicación o producto, esa combinación de velocidad, control y consistencia puede resultar especialmente valiosa.

4. MAI-Transcribe-1.5: transcripción rápida y especializada en 43 idiomas 

MAI-Transcribe-1.5 es el modelo de transcripción de la familia MAI. Microsoft lo presenta como un sistema con precisión de última generación, capaz de operar hasta cinco veces más rápido que modelos competidores y de reconocer terminología específica de distintos dominios en 43 idiomas.

Estas capacidades tienen implicaciones directas para sectores donde la conversación, la documentación oral y el conocimiento especializado forman parte del trabajo diario, como salud, servicios jurídicos, finanzas, atención al cliente, educación, administración pública o industria.

La transcripción deja de ser una función auxiliar cuando puede comprender vocabulario especializado, procesar grandes volúmenes de audio con rapidez y adaptarse a contextos profesionales concretos.

En ese escenario, puede convertirse en una capa clave para transformar la voz en información estructurada, consultable y reutilizable dentro de procesos empresariales.

5. MAI-Voice-2: generación de voz natural con salvaguardas 

MAI-Voice-2 es el modelo de generación de voz de Microsoft AI. Está diseñado para producir voz natural en 15 idiomas y puede adaptarse a una voz concreta a partir de una muestra breve.

Microsoft también destaca la incorporación de salvaguardas para prevenir posibles usos indebidos.

La voz es uno de los ámbitos donde la adopción empresarial exige un mayor equilibrio entre capacidad y control. La calidad y la naturalidad son importantes, pero también lo son la seguridad, la prevención de suplantaciones, la gestión del consentimiento y la trazabilidad del uso.

El hecho de que Microsoft destaque explícitamente estas salvaguardas refleja una evolución importante en el mercado: las capacidades avanzadas de generación de voz ya no se valoran únicamente por su realismo, sino también por las garantías de responsabilidad, control y confianza que acompañan a su uso.

6. MAI-Cyber-1-Flash: un modelo de ciberseguridad integrado en MDASH 

MAI-Cyber-1-Flash es el modelo de ciberseguridad de Microsoft AI, integrado en MDASH, el sistema multiagente de Microsoft para la identificación, validación y remediación de vulnerabilidades.

Según Microsoft, MAI-Cyber-1-Flash está diseñado para abordar vulnerabilidades complejas en bases de código de gran complejidad.

La compañía lo presenta como un modelo compacto, especializado en código y seguridad, derivado de la línea MAI-Thinking-1 y desarrollado a partir de datos de alta calidad.

Su propuesta de valor no reside únicamente en el modelo, sino en la combinación de modelo, datos y sistema de orquestación. Microsoft destaca que MDASH coordina más de 100 agentes para detectar, validar y remediar vulnerabilidades a una velocidad difícil de alcanzar mediante procesos de revisión manual.

Desde una perspectiva empresarial, este enfoque resulta especialmente relevante. La IA aplicada a la ciberseguridad no puede evaluarse únicamente por su capacidad técnica, sino también por el nivel de control, confianza y uso responsable que ofrece.

En este sentido, Microsoft señala que MAI-Cyber-1-Flash está orientado específicamente a tareas defensivas y disponible únicamente para defensores verificados a través de MDASH.

7.  Microsoft Frontier Tuning: modelos MAI adaptados a cada negocio 

Microsoft Frontier Tuning no es un modelo independiente dentro de la familia MAI, sino una capacidad que permite personalizar uno o varios modelos MAI en función de las necesidades específicas de una organización, utilizando aprendizaje por refuerzo en entornos reales.

Según Microsoft, el objetivo no es simplemente utilizar un modelo genérico, sino adaptar los modelos MAI a los datos, los flujos de trabajo y el conocimiento experto de cada empresa, dentro de un entorno seguro y bajo su propio control.

Este enfoque permite avanzar desde una IA de propósito general hacia modelos más especializados en el contexto, las reglas y las necesidades operativas de cada organización, lo que puede resultar especialmente relevante en escenarios empresariales donde el conocimiento propio y la adaptación al negocio marcan la diferencia.

¿Cómo se entrenan los modelos de IA con Microsoft Frontier Tuning, el “gimnasio de entrenamiento” para IA? 

Microsoft describe estos entornos de aprendizaje por refuerzo como auténticos “gimnasios de entrenamiento” para IA, específicos para cada organización. En la práctica, esto permite adaptar un modelo a los datos, procesos y conocimiento propios de una empresa, dentro de un entorno privado y controlado.

El proceso comienza definiendo la tarea y estableciendo qué significa obtener un buen resultado. A partir de ahí, se incorporan datos, workflows y conocimiento experto procedentes de Microsoft 365 y otros entornos para entrenar y ajustar el comportamiento del modelo.

No se trata simplemente de personalizar respuestas o modificar el tono de un asistente. El objetivo es incorporar conocimiento institucional al comportamiento del modelo: cómo se resuelve una incidencia, cómo se revisa una propuesta, cómo se prioriza una tarea, cómo se valida una decisión o cómo se ejecuta un proceso interno.

Para sectores regulados, grandes corporaciones o empresas con operaciones altamente específicas, esta diferencia puede ser especialmente relevante.

La IA generalista puede servir como punto de partida, pero no siempre refleja las reglas, restricciones, prioridades y excepciones que condicionan el funcionamiento real de una organización.

Esta lógica conecta con una de las grandes apuestas de Microsoft AI: que la próxima generación de IA no solo sea más potente, sino también capaz de adaptarse mejor al contexto operativo de cada empresa, una ambición que Microsoft ya dejó latente con el lanzamiento de Fabric IQ.

Frontier Tuning actúa como un puente entre los modelos MAI y su aplicación empresarial. Permite pasar de un modelo general a una capacidad ajustada a reglas, prioridades, procesos y estándares concretos. 

Los primeros resultados de Frontier Tuning

Microsoft afirma que la adaptación de modelos mediante Frontier Tuning puede mejorar tanto el rendimiento como la eficiencia. Entre los primeros resultados compartidos por la compañía destacan dos:

• Un modelo MAI ajustado para Excel iguala el rendimiento de GPT-5.4 y puede ser hasta diez veces más eficiente.
• En los primeros casos empresariales, los modelos MAI ajustados habrían conseguido una mayor tasa de éxito con un coste aproximadamente diez veces inferior.

Mayo Clinic: un modelo de IA avanzada para el sector sanitario

El lanzamiento de los siete nuevos modelos MAI ha venido acompañado de una colaboración especialmente significativa entre Microsoft y Mayo Clinic para co-crear un modelo de IA avanzada especializado en salud.

Según Microsoft, este modelo combinará las capacidades fundacionales de IA de la compañía con la experiencia clínica de Mayo Clinic, datos clínicos desidentificados y conocimiento derivado de información longitudinal.

El objetivo es desarrollar un sistema capaz de destacar en razonamiento clínico y casos de uso sanitarios especializados, alcanzando un nivel de adaptación y conocimiento que los modelos generalistas actuales difícilmente pueden ofrecer.

Microsoft prevé desplegarlo inicialmente dentro del entorno de Mayo Clinic y, una vez validado, ponerlo a disposición de otras organizaciones sanitarias a través de Microsoft Foundry.

La compañía también señala que el modelo será propiedad de Mayo Clinic, un aspecto especialmente relevante en un ámbito donde la confianza del paciente, el rigor clínico, la seguridad y la gestión responsable de los datos y de la IA son requisitos fundamentales.

Esta colaboración anticipa una posible evolución del mercado hacia modelos de IA co-creados con organizaciones líderes en sectores específicos, donde el conocimiento institucional y la experiencia de dominio pasan a formar parte del propio desarrollo del sistema.

No se trata únicamente de aplicar inteligencia artificial a un sector, sino de crear modelos que incorporen desde su diseño el conocimiento, las particularidades y las exigencias del ámbito en el que van a operar.

El laboratorio MAI: la infraestructura detrás de los modelos 

Microsoft quiere construir algo más que una familia de modelos: un laboratorio de IA capaz de desarrollar, entrenar, evaluar y mejorar sistemas avanzados de forma continua.

La compañía insiste en que no existen atajos para mantenerse en la vanguardia de la inteligencia artificial.

Sus modelos de razonamiento se entrenan desde cero, sin recurrir a la destilación de modelos de otros laboratorios ni a datos de procedencia opaca o sin licencia. Microsoft también afirma trabajar con conjuntos de datos limpios, trazables y debidamente licenciados.

Este posicionamiento adquiere especial relevancia en un contexto de creciente escrutinio regulatorio sobre la procedencia de los datos, los derechos asociados al entrenamiento y la transparencia en el desarrollo de modelos de IA, especialmente tras la entrada en aplicación del Reglamento Europeo de Inteligencia Artificial (AI Act). 

Microsoft quiere diferenciar MAI no solo por su rendimiento, sino también por la confianza que pueda generar alrededor de su proceso de desarrollo.

La compañía también destaca que ha desarrollado internamente los principales componentes del sistema, desde la arquitectura de los modelos hasta la infraestructura de entrenamiento y post-entrenamiento.

A ello se suma el co-diseño con su propio silicio Maia 200, que, según Microsoft, ha contribuido a conseguir una mejora de eficiencia de 1,4 veces.

La “máquina para subir colinas” de la que habla Microsoft no es, por tanto, un modelo concreto, sino un sistema completo diseñado para mejorar de forma continua.

¿Qué significa MAI para las empresas?

El lanzamiento de MAI refleja una evolución cada vez más clara en el mercado: la IA empresarial avanza desde los modelos generalistas hacia modelos más especializados, ajustables e integrados en herramientas y procesos concretos.

Esto cambia la forma de pensar la IA empresarial. Ya no se trata únicamente de incorporar un asistente conversacional o automatizar tareas aisladas, sino de identificar qué tipo de modelo aporta más valor en cada flujo de trabajo: desarrollo de software, análisis documental, generación visual, voz, transcripción, razonamiento complejo o automatización de procesos.

La especialización de los modelos de IA solo genera valor cuando la empresa tiene datos preparados, procesos claros, integración, seguridad y gobierno. El Roadmap de IA Operativa en la Empresa de Bismart ayuda a ordenar ese camino: desde la identificación de casos de uso hasta la industrialización y escalado de soluciones de IA. 

Más allá de la potencia: especialización y aplicabilidad

Un modelo puede ser muy avanzado y, aun así, no ser el más adecuado para una tarea concreta si resulta demasiado costoso, lento, difícil de integrar o poco adaptable. La estrategia de Microsoft con MAI parece buscar precisamente ese equilibrio entre rendimiento, eficiencia, especialización, integración y control.

Para las organizaciones que ya trabajan con el ecosistema Microsoft, esta apuesta resulta especialmente relevante. La integración con GitHub Copilot, Visual Studio Code y Microsoft Foundry facilita la incorporación de estos modelos en herramientas y entornos ya utilizados por empresas y desarrolladores.

Al mismo tiempo, su disponibilidad a través de plataformas como OpenRouter, Fireworks y Baseten amplía las posibilidades de acceso e integración más allá de los productos propios de Microsoft.

En conjunto, MAI permite entrever hacia dónde evoluciona la competencia en inteligencia artificial: modelos más especializados, eficientes, multimodales y adaptables al contexto real en el que van a utilizarse.

Conclusión: MAI marca una nueva etapa para Microsoft AI

MAI marca una nueva etapa para Microsoft AI porque no representa únicamente el lanzamiento de nuevos modelos, sino una forma distinta de desarrollarlos, mejorarlos, distribuirlos y adaptarlos a contextos concretos.

Microsoft quiere demostrar que puede construir IA avanzada internamente, incorporarla a productos de uso masivo, ponerla al alcance de desarrolladores y especializarla para las necesidades de organizaciones y sectores específicos.

La metáfora de la “máquina para subir colinas” resume bien esta ambición. En inteligencia artificial no existe una cima definitiva: la frontera avanza constantemente. La ventaja competitiva estará, por tanto, en construir la capacidad de mejorar de forma continua, iteración tras iteración.

Para las empresas, esta evolución apunta hacia una IA más especializada, integrada y orientada a tareas concretas. Los modelos dejarán de funcionar únicamente como interfaces conversacionales para convertirse cada vez más en capacidades incorporadas directamente en aplicaciones, procesos y flujos de trabajo.

MAI es uno de los primeros pasos visibles de Microsoft en esa dirección. Su impacto real dependerá de su adopción, rendimiento y capacidad para aportar valor en escenarios concretos, pero la dirección estratégica parece clara: la próxima generación de IA será más especializada, más adaptable, más multimodal y más integrada en el funcionamiento real de las organizaciones.

Activa la IA en tu organización

En Bismart ayudamos a las empresas a identificar oportunidades reales de negocio, preparar su arquitectura de datos y desarrollar soluciones de IA integradas en procesos operativos.

Descarga el Roadmap de IA Operativa en la Empresa y descubre cómo convertir la inteligencia artificial en una capacidad escalable, gobernada y orientada a impacto real.

Si tu organización ya está valorando casos de uso concretos o necesita definir una hoja de ruta adaptada a sus prioridades, también puedes programar una sesión de asesoramiento sin compromiso.

Te ayudaremos a evaluar tu punto de partida y a avanzar hacia una adopción de IA segura, sostenible y preparada para escalar.