Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHacker News AI→ original

Microsoft lanza siete modelos MAI: el de programación logra el 98% de la calidad de GPT-6.1 Sol por el 40% del precio

Microsoft AI (el laboratorio MAI) ha lanzado siete modelos para que los agentes trabajen las 24 horas sin disparar la factura de tokens. Según la compañía, el modelo de programación ofrece el 98% de la calidad de GPT-6.1 Sol en tareas de desarrollo y cuesta alrededor del 40% de su precio; frente a Opus 5.5, logra el 96% de la calidad por el 5% del precio. Conviene comprobarlo con tus propias tareas: las rutinas del agente pueden delegarse en un modelo barato y reservar el buque insignia solo para los pasos complejos.

Procesado por IA desde Hacker News AI; editado por Hamidun News
Microsoft lanza siete modelos MAI: el de programación logra el 98% de la calidad de GPT-6.1 Sol por el 40% del precio
Fuente: Hacker News AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHacker News AI ↗
Editor jefe
Dato clave #1El modelo de ciberseguridad superó a GPT-6 Astra en CyberGym-E2E, con un coste por tarea inferior al 2%
Edición de imágenesnº1 en Artificial Analysis, cinco veces más barato que GPT Image 2.6
Dato clave #3El nuevo chip de Microsoft ofrece 1,7 veces más tokens por vatio

Un agente que no trabaja cinco minutos, sino las 24 horas, convierte rápidamente la factura de tokens en la principal partida de gasto. Precisamente ese problema marcó el arranque del anuncio de Microsoft AI, el laboratorio interno de la compañía llamado MAI: ha presentado siete modelos de una vez y promete una calidad al nivel de los líderes por una fracción del precio. La cifra más llamativa afecta al código. Según Microsoft, su modelo de programación alcanza el 98% de la calidad de GPT-6.1 Sol (es decir, resuelve casi tantas tareas de ingeniería como él) y cuesta aproximadamente el 40% de su precio. Todas las cifras del artículo son datos propios de Microsoft; todavía no hay verificación independiente.

Código, ciberseguridad y modelos de gama media

Si comparamos el modelo de programación con Opus 5.5 de Anthropic, alcanza el 96% de su resultado, pero cuesta solo el 5% de su precio. Para un equipo en el que un agente corrige errores y escribe pruebas las 24 horas, la diferencia entre el 100% y el 96% de calidad apenas se nota, mientras que una diferencia de 20 veces en el precio sí se nota mucho.

Un modelo específico para ciberseguridad se evaluó con el benchmark CyberGym-E2E, donde el agente completa la tarea de principio a fin, desde la búsqueda de una vulnerabilidad hasta el resultado. Según Microsoft, supera a GPT-6 Astra en calidad, y una tarea le cuesta menos del 2% de lo que cuesta con ese competidor. Si automatizas la búsqueda de vulnerabilidades o el análisis de incidentes, un precio así convierte un experimento caro en una partida de gasto normal.

El modelo de propósito general se presenta de forma más modesta. Ofrece una calidad comparable a la de GPT-6 Luna por el 65% de su precio, y una calidad comparable a la de Haiku 5.5 por el 20% de su precio. Es un candidato a caballo de batalla para consultas masivas en las que el buque insignia resulta excesivo.

Otro modelo de la familia está pensado para tomar decisiones. Microsoft afirma que es 50 veces más rápido y 79 veces más barato que GPT-6.1 Sol. Este tipo de modelos resulta útil cuando el agente necesita elegir rápidamente el siguiente paso: qué herramienta invocar, a dónde dirigir una consulta o si hace falta una revisión humana. La compañía no especifica en qué tareas se midió la comparación, así que es más fiable confiar en tus propios datos.

Imágenes, voz y transcripción de habla

El modelo de edición de imágenes ocupa el primer puesto en la clasificación de Artificial Analysis y supera a GPT Image 2.6 Sunburst en su modo máximo, aunque cuesta cinco veces menos. La edición es el escenario más habitual en los productos: quitar el fondo, corregir un producto en una foto o sustituir un detalle.

Según Microsoft, el modelo de voz en tiempo real supera a GPT-Realtime 2.1 y su precio arranca en 0,01 dólares por minuto de audio. Para los centros de llamadas y los asistentes de voz, el coste por minuto determina si el servicio resulta rentable con miles de llamadas simultáneas.

El ejemplo más práctico es MAI Transcribe 2. Microsoft lo describe como el modelo de transcripción de habla multilingüe más rápido y preciso. Ya funciona en 10 millones de consultas médicas al mes, y la tasa de errores en distintos idiomas se ha reducido a la mitad. No es una prueba de laboratorio, sino un uso en producción en medicina, donde un error sale caro.

Chip propio y qué debe hacer el desarrollador

El séptimo punto del anuncio se refiere al hardware. El acelerador de segunda generación de Microsoft ya funciona en producción y da servicio a los modelos más grandes de la compañía. Genera 1,7 veces más tokens por vatio. La eficiencia energética determina en buena medida qué precio por token puede permitirse Microsoft.

Qué debe hacer el profesional. Primero, no dar por buenos los porcentajes del comunicado de prensa: la calidad se ha medido con pruebas elegidas por el proveedor, y el «precio por tarea» y el «precio por token» son métricas distintas. Segundo, reunir un conjunto propio de entre 50 y 100 tareas reales y ejecutar los nuevos modelos junto a los actuales. Tercero, si el agente tiene muchos pasos de tipo similar, revisar la arquitectura: un modelo barato y rápido ejecuta la rutina y elige las acciones, y el buque insignia solo entra en los pasos complejos.

Hay también un trasfondo estratégico. Microsoft, que durante mucho tiempo se apoyó en OpenAI, ahora vende modelos propios y los compara abiertamente con GPT y Claude en precio. Si las pruebas independientes confirman lo anunciado, aumentará la presión sobre las tarifas de los competidores y elegir un modelo por el criterio de «el más potente» dejará de ser rentable.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Código, ciberseguridad y modelos de gama media?

Si comparamos el modelo de programación con Opus 5.5 de Anthropic, alcanza el 96% de su resultado, pero cuesta solo el 5% de su precio. Para un equipo en el que un agente corrige errores y escribe pruebas las 24 horas, la diferencia entre el 100% y el 96% de calidad apenas se nota, mientras que una diferencia de 20 veces en el precio sí se nota mucho.

¿Qué se sabe sobre Imágenes, voz y transcripción de habla?

El modelo de edición de imágenes ocupa el primer puesto en la clasificación de Artificial Analysis y supera a GPT Image 2.6 Sunburst en su modo máximo, aunque cuesta cinco veces menos. La edición es el escenario más habitual en los productos: quitar el fondo, corregir un producto en una foto o sustituir un detalle. Según Microsoft, el modelo de voz en tiempo real supera a GPT-Realtime 2.1 y su precio arranca en 0,01 dólares por minuto de audio.

¿Qué se sabe sobre Chip propio y qué debe hacer el desarrollador?

El séptimo punto del anuncio se refiere al hardware. El acelerador de segunda generación de Microsoft ya funciona en producción y da servicio a los modelos más grandes de la compañía. Genera 1,7 veces más tokens por vatio. La eficiencia energética determina en buena medida qué precio por token puede permitirse Microsoft. Qué debe hacer el profesional.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…