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 radarZDNet AI→ original

Microsoft permitirá a las empresas ajustar los modelos MAI con sus propios datos en Azure

Microsoft ha lanzado en Ignite Licensed Weights, un programa que permite a las empresas ajustar los modelos MAI con sus propios datos y ejecutarlos en Azure. Se sitúa a medio camino entre los modelos cerrados de OpenAI y Anthropic y los modelos abiertos que se descargan desde Hugging Face. El cliente decide quién accede al modelo, y sus datos y mejoras siguen siendo suyos. Si no quiere incorporar el conocimiento de su empresa en un modelo ajeno, conviene hablar de esta opción con el gestor de cuenta de Microsoft.

Procesado por IA desde ZDNet AI; editado por Hamidun News
Microsoft permitirá a las empresas ajustar los modelos MAI con sus propios datos en Azure
Fuente: ZDNet AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalZDNet AI ↗
Editor jefe
Dato clave #1MAI Code 2 ofrece el 98% de la calidad de GPT 6.1 Sol por el 40% del coste
Dato clave #2Solo se puede empezar a través del gestor de cuenta de Microsoft
Dato clave #3Los datos de los clientes solo se usan para entrenar los modelos de Microsoft con su consentimiento

En la conferencia Ignite, Microsoft presentó varios modelos nuevos de su laboratorio Microsoft AI (MAI). Pero hoy salen tantos modelos nuevos que, por sí solos, ya sorprenden a muy pocos. Lo más interesante es cómo Microsoft piensa ofrecerlos a sus clientes. El programa se llama Licensed Weights y responde a una pregunta que se hacen muchas empresas: cómo obtener un modelo potente sin entregar sus datos ni sus desarrollos a manos ajenas.

Qué es Licensed Weights

La idea es sencilla. La empresa toma un modelo de vanguardia de MAI, lo ajusta con sus propios datos y lo ejecuta dentro de la nube de Azure. Los pesos del modelo, es decir, sus "ajustes", donde se almacena todo lo que ha aprendido, no se descargan a los servidores del cliente. Aun así, el cliente obtiene su versión personalizada y el control sobre ella.

Mustafa Suleyman, responsable de MAI, lo resumió así: usted decide quién tiene acceso al modelo, y sus datos y mejoras siguen siendo completamente suyos. Después, Microsoft promete trabajar con el cliente a través del programa Frontier Company: ayudará a desplegar el modelo personalizado e integrarlo en sus productos y agentes. Microsoft también ha afirmado que usará la información de los clientes para entrenar sus modelos solo con su consentimiento.

El acceso se inicia a través del gestor de cuenta de Microsoft. Por ahora no hay un botón abierto para "conectarse", así que, en la práctica, se trata de un proceso corporativo que pasa por negociaciones.

Dónde encaja en el mapa de la IA abierta y cerrada

El mercado suele describirse de forma simplificada. Los modelos cerrados, como los de OpenAI y Anthropic, son caros y los más potentes, pero no se pueden adaptar en profundidad. Los abiertos son más baratos y flexibles, pero suelen ser más débiles. Licensed Weights se sitúa en un punto intermedio. Es más abierto que las API de OpenAI y Anthropic, pero no tanto como para publicar el modelo en Hugging Face, como hizo Mistral con Le Chonk.

Formalmente, no es una familia de modelos abiertos. Aun así, el enfoque añade matices al debate entre "abierto" y "cerrado" y diferencia la propuesta de Microsoft de la de sus competidores. Suleyman dijo en el escenario que nadie quiere volcar su inteligencia en un modelo ajeno. Un argumento parecido ha defendido en varias ocasiones Alex Karp, máximo responsable de Palantir.

El contexto es el siguiente: los laboratorios occidentales, entre ellos Thinking Machines y Mistral, lanzan modelos abiertos cada vez más competitivos. Pero la gran mayoría del mercado empresarial de la IA sigue en manos de Anthropic y OpenAI. Los modelos MAI, por ahora, no compiten directamente con ellos en prestaciones. Sin embargo, Microsoft cuenta con una enorme base de clientes empresariales, y ese es su principal recurso.

Precio y calidad

El acceso a los pesos significa poco si el modelo es débil. Por eso, Microsoft presentó a la vez cifras de su nuevo modelo de código, MAI Code 2. Según Suleyman, en promedio de cuatro pruebas populares sobre tareas típicas de programación empresarial, como las que aparecen en GitHub Copilot, ofrece el 98% de la calidad de GPT 6.1 Sol con el 40% del coste. Frente a Opus 5.5, el precio es solo el 5%. Son afirmaciones de la propia Microsoft; la fuente no incluye verificaciones independientes.

La compañía también lanzó MAI Image 2.7, un modelo de edición de imágenes. Según Artificial Analysis, lidera su categoría y supera a Nano Banana Pro y a varios modelos de GPT en relación precio-calidad.

Qué significa en la práctica

Para product managers y fundadores, la conclusión es esta: si trabajan con datos sensibles, como código interno, contratos o registros de clientes, Licensed Weights puede ser un compromiso razonable. Obtienen un modelo entrenado con su propio material, y el coste es menor que el de los buques insignia de los laboratorios cerrados, si las cifras anunciadas se confirman.

También hay limitaciones honestas. Las condiciones todavía no son públicas: no se sabe cuánto cuesta el programa, qué volúmenes mínimos exige ni hasta qué punto se puede modificar el modelo. Los pesos siguen en manos de Microsoft, así que se depende de Azure. Y existen modelos completamente abiertos que se pueden ejecutar en cualquier lugar.

El paso sensato ahora es comparar MAI Code 2 con su modelo actual en sus propias tareas, calcular el coste y solo después acudir al gestor de cuenta. Si la calidad se acerca a la anunciada y los requisitos de datos son estrictos, la opción de Microsoft merece una consideración seria.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué es Licensed Weights?

La idea es sencilla. La empresa toma un modelo de vanguardia de MAI, lo ajusta con sus propios datos y lo ejecuta dentro de la nube de Azure. Los pesos del modelo, es decir, sus "ajustes", donde se almacena todo lo que ha aprendido, no se descargan a los servidores del cliente. Aun así, el cliente obtiene su versión personalizada y el control sobre ella. Mustafa Suleyman, responsable de MAI, lo resumió así: usted decide quién tiene acceso al modelo, y sus datos y mejoras siguen siendo completamente suyos.

Dónde encaja en el mapa de la IA abierta y cerrada?

El mercado suele describirse de forma simplificada. Los modelos cerrados, como los de OpenAI y Anthropic, son caros y los más potentes, pero no se pueden adaptar en profundidad. Los abiertos son más baratos y flexibles, pero suelen ser más débiles. Licensed Weights se sitúa en un punto intermedio. Es más abierto que las API de OpenAI y Anthropic, pero no tanto como para publicar el modelo en Hugging Face, como hizo Mistral con Le Chonk. Formalmente, no es una familia de modelos abiertos.

¿Qué se sabe sobre Precio y calidad?

El acceso a los pesos significa poco si el modelo es débil. Por eso, Microsoft presentó a la vez cifras de su nuevo modelo de código, MAI Code 2. Según Suleyman, en promedio de cuatro pruebas populares sobre tareas típicas de programación empresarial, como las que aparecen en GitHub Copilot, ofrece el 98% de la calidad de GPT 6.1 Sol con el 40% del coste. Frente a Opus 5.5, el precio es solo el 5%. Son afirmaciones de la propia Microsoft; la fuente no incluye verificaciones independientes.

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…