Microsoft entra de lleno en la carrera de modelos de IA de razonamiento con MAI-Thinking-1

Microsoft presentó MAI-Thinking-1, su primer modelo avanzado de razonamiento desarrollado internamente y entrenado “desde cero” con datos limpios, empresariales y comercialmente licenciados, sin destilación de modelos de terceros. El lanzamiento forma parte de una nueva familia de siete modelos de IA con la que la compañía busca reducir su dependencia de OpenAI, competir en más capas del mercado de inteligencia artificial y ofrecer alternativas más eficientes para empresas y desarrolladores.

***

• MAI-Thinking-1 es el primer modelo de razonamiento propio de Microsoft AI y está disponible en vista previa privada mediante Microsoft Foundry.
• La compañía afirma que el modelo fue entrenado sin destilación de modelos de terceros y con datos limpios, licenciados y de grado empresarial.
• Microsoft también presentó MAI-Code-1-Flash, un modelo de programación “ultra eficiente” ajustado para GitHub Copilot y Visual Studio Code.

Microsoft dio un paso más decidido para competir con modelos propios de inteligencia artificial y reducir su dependencia de socios externos como OpenAI.

Durante su conferencia Build 2026 en San Francisco, la compañía presentó MAI-Thinking-1, su primer modelo avanzado de razonamiento desarrollado internamente por Microsoft AI. La empresa lo describe como un modelo de tamaño medio, optimizado para eficiencia, rendimiento y bajo costo por token, pero con capacidades competitivas en razonamiento matemático, tareas científicas, programación y flujos empresariales.

El punto más relevante del anuncio es cómo fue entrenado. Microsoft afirma que MAI-Thinking-1 fue construido desde cero con datos limpios, de grado empresarial y comercialmente licenciados, sin destilación de modelos de terceros. En términos prácticos, la compañía busca diferenciarlo de modelos que aprenden a imitar respuestas de sistemas más grandes o externos, una práctica común en el sector para acelerar entrenamiento y reducir costos.

La decisión tiene implicaciones empresariales. Para clientes corporativos, la procedencia de los datos, las licencias y la independencia frente a otros proveedores se han vuelto temas centrales. Microsoft quiere posicionar MAI-Thinking-1 como un modelo más controlable, auditable y alineado con necesidades de empresas que requieren cumplimiento, seguridad y trazabilidad.

El primer razonador propio de Microsoft

MAI-Thinking-1 es un modelo de arquitectura Mixture of Experts con 35.000 millones de parámetros activos y alrededor de 1 billón de parámetros totales, según materiales de Microsoft citados en los reportes. También cuenta con una ventana de contexto de 256.000 tokens, suficiente, según la compañía, para procesar un documento de unas 600 páginas en una sola pasada.

El modelo está disponible en vista previa privada mediante Microsoft Foundry, la plataforma de la empresa para integrar, gobernar y desplegar modelos de IA en aplicaciones empresariales. Los clientes interesados pueden solicitar acceso antes de su disponibilidad más amplia.

Microsoft asegura que MAI-Thinking-1 alcanza 97,0% en AIME 2025 y 94,5% en AIME 2026, dos pruebas exigentes de razonamiento matemático. También afirma que el modelo iguala a Claude Opus 4.6 en SWE-Bench Pro, un benchmark de ingeniería de software, y que fue preferido frente a Claude Sonnet 4.6 en evaluaciones humanas ciegas realizadas con el socio independiente Surge.

Aun así, los resultados deben leerse con cautela. La propia cobertura técnica señala que los benchmarks y comparaciones aún no han sido reproducidos ampliamente por laboratorios externos independientes. En una industria donde los modelos se promocionan con métricas cada vez más agresivas, la validación externa sigue siendo clave.

“Capacidades aprendidas, no heredadas”

Microsoft presentó MAI-Thinking-1 como parte de una filosofía que denomina Humanist Superintelligence, una visión de IA avanzada diseñada para servir a personas y organizaciones, no para reemplazarlas.

La empresa también introdujo su concepto de Hill-Climbing Machine, una tubería de desarrollo diseñada para mejorar modelos de forma continua a partir de mejores datos, recompensas, entornos y cómputo. Bajo esa filosofía, Microsoft sostiene tres pilares: capacidades aprendidas, datos limpios y autosuficiencia en toda la pila tecnológica.

El primer pilar es especialmente relevante. Microsoft argumenta que la inteligencia “heredada” mediante destilación puede ser rápida de obtener, pero limita la capacidad de control y adaptación del modelo. En su visión, un modelo que imita a otro queda atado a las decisiones de diseño del “maestro”. Por eso, la compañía subraya que MAI-Thinking-1 no fue destilado desde OpenAI, Anthropic, Google ni otros proveedores.

El segundo pilar es el uso de datos limpios y apropiadamente licenciados. Microsoft afirma que excluyó contenido generado por IA durante el preentrenamiento, una decisión pensada para mejorar calidad, procedencia y control. Para empresas preocupadas por copyright, trazabilidad y riesgos legales, este detalle puede ser tan importante como el rendimiento bruto.

El tercer pilar es la autosuficiencia. Microsoft quiere entrenar, ajustar y ejecutar modelos en infraestructura propia, incluyendo Azure, aceleradores propios y marcos internos de reinforcement learning. Esa autonomía puede ayudarle a reducir costos y depender menos de pagos a terceros.

Menos dependencia de OpenAI

El anuncio tiene una lectura estratégica evidente.

Microsoft ha sido uno de los grandes ganadores del auge de la inteligencia artificial gracias a su inversión de USD $13.000 millones en OpenAI, su alianza para integrar modelos en Azure, Copilot, GitHub y Microsoft 365, y su papel como proveedor de infraestructura de nube. También invirtió USD $5.000 millones en Anthropic, cuyos modelos están disponibles mediante Azure.

Pero la compañía ya no quiere ser vista solo como distribuidora, inversionista o proveedora de cómputo para modelos de terceros. Quiere competir con modelos propios.

CNBC reportó que Microsoft busca establecer presencia con modelos propietarios frente a OpenAI, Anthropic y Google, al mismo tiempo que intenta reducir costos para desarrolladores. Ejecutar modelos propios sobre Azure puede evitar pagos a terceros y permitir precios más competitivos o márgenes más amplios.

La estrategia no implica romper con OpenAI. Microsoft 365 Copilot, GitHub Copilot y Azure OpenAI siguen dependiendo en parte de modelos de OpenAI. Pero el mensaje de Build 2026 es que Microsoft quiere operar con una estrategia multi-modelo y multi-proveedor, donde Foundry y Copilot actúen como capas de orquestación sobre modelos propios y de socios.

Satya Nadella lo resumió en el escenario al decir que las empresas deben pasar de consumir modelos de frontera a participar plenamente en el ecosistema de frontera.

MAI-Code-1-Flash: modelo de código para GitHub

Junto con MAI-Thinking-1, Microsoft presentó MAI-Code-1-Flash, su primer modelo de programación desarrollado internamente y diseñado para flujos cotidianos de desarrolladores.

El modelo se está desplegando para usuarios individuales de GitHub Copilot en Visual Studio Code, mediante el selector de modelos y el selector automático. Microsoft lo describe como un modelo de inferencia “ultra eficiente”, orientado a responder rápido, usar menos tokens y mantener buena calidad en tareas reales de programación.

La compañía afirma que MAI-Code-1-Flash fue entrenado directamente con los harnesses de producción de GitHub Copilot, no simplemente optimizado para benchmarks externos antes de ser integrado. Esa distinción importa porque los modelos de código no solo deben resolver pruebas aisladas; deben interactuar con repositorios, leer archivos, editar código, ejecutar pruebas, responder a errores y recuperarse de fallos intermedios.

Según Microsoft, MAI-Code-1-Flash supera a Claude Haiku 4.5 en varios benchmarks de programación, incluyendo SWE-Bench Verified, SWE-Bench Pro, SWE-Bench Multilingual y Terminal Bench 2. La empresa también asegura que puede resolver problemas difíciles usando hasta 60% menos tokens, lo que reduciría latencia, costo y fricción en flujos interactivos.

El modelo fue construido con datos limpios y licenciados, al igual que MAI-Thinking-1, y busca maximizar el valor por token. Esa obsesión por eficiencia revela una prioridad central para Microsoft: en una etapa donde el uso de IA generativa se vuelve masivo, el costo de inferencia puede ser tan importante como la calidad del modelo.

Siete modelos en total

El lanzamiento de Microsoft no se limita a razonamiento y código.

La compañía presentó o actualizó un total de siete modelos de IA. Además de MAI-Thinking-1 y MAI-Code-1-Flash, la familia incluye modelos para imagen, transcripción y voz.

Entre ellos figuran MAI-Image-2.5 y su variante rápida, orientadas a generación y edición de imágenes; MAI Transcribe 1.5, enfocado en reconocimiento de voz; y MAI-Voice-2, para generación de voz sintética en más idiomas, junto con una variante flash.

Microsoft también destacó modelos pequeños capaces de ejecutarse en PC con Windows, como parte de su estrategia para llevar IA a más dispositivos y escenarios empresariales. El objetivo es cubrir distintos puntos de la pila: modelos grandes para razonamiento, modelos eficientes para código, modelos multimodales para productividad y modelos pequeños para ejecución local.

Esa amplitud refuerza el mensaje de que Microsoft quiere controlar más piezas del ecosistema. Ya no se trata solo de integrar modelos externos en productos existentes, sino de construir una cartera completa de modelos propios para Foundry, Copilot, Windows y aplicaciones como PowerPoint, OneDrive y Visual Studio Code.

Costos, tokens y eficiencia

El énfasis en eficiencia aparece en casi todos los anuncios.

Kyle Daigle, jefe de marketing para desarrolladores de Microsoft y responsable operativo de GitHub, describió MAI-Thinking-1 como un modelo construido para alto rendimiento con bajo costo por token. En IA generativa, los tokens son las unidades de texto o datos que un modelo procesa y genera. Más tokens implican más costo, mayor latencia y mayor consumo de infraestructura.

Reducir el uso de tokens puede cambiar la economía de productos como Copilot. Si un modelo ofrece calidad similar usando menos tokens, Microsoft puede bajar costos para desarrolladores, mejorar márgenes o permitir más uso por el mismo precio.

Mustafa Suleyman, CEO de Microsoft AI, también dijo que, tras ajustar modelos para necesidades de la consultora McKinsey, Microsoft logró superar a OpenAI GPT 5-5 con una eficiencia de costos 10 veces mayor. Esa afirmación muestra hacia dónde se mueve la competencia: no solo quién tiene el modelo más capaz, sino quién puede resolver tareas empresariales a menor costo.

Google ha seguido un camino similar con modelos Flash dentro de Gemini, diseñados para menor latencia y menor costo. Anthropic también compite con modelos más livianos como Haiku. Microsoft ahora entra en esa carrera con modelos propios ajustados para su ecosistema.

Foundry como centro de orquestación

El lanzamiento también fortalece a Microsoft Foundry como capa central para empresas.

Foundry permite integrar modelos en aplicaciones, administrar gobernanza, seguridad, cumplimiento, instrucciones y despliegues. Microsoft quiere que las empresas no elijan necesariamente entre OpenAI, Anthropic, modelos propios o modelos open-source, sino que gestionen todos desde una misma plataforma con facturación, herramientas y controles empresariales integrados.

MAI-Thinking-1 está disponible en Foundry en vista previa privada. Claude, modelos de OpenAI y otros socios también continúan disponibles en el catálogo. La diferencia es que Microsoft ahora puede ofrecer alternativas propias dentro de la misma infraestructura.

Esto puede ser atractivo para empresas que buscan diversificar proveedores, reducir dependencia de un solo laboratorio de IA, controlar costos o ajustar modelos con datos internos.

En el fondo, Microsoft está intentando convertir la fragmentación del mercado de modelos en una ventaja. Si cada empresa necesita una combinación distinta de modelos, Foundry puede convertirse en el sistema operativo que los coordina.

Un movimiento en plena carrera por Wall Street

El anuncio llega en un momento en que OpenAI y Anthropic avanzan hacia mercados públicos o grandes eventos de financiación.

Anthropic presentó de forma confidencial un borrador S-1 para una posible salida a bolsa, mientras OpenAI también ha sido reportada como próxima a una eventual IPO. Ambas compañías registran crecimiento histórico y siguen captando enormes cantidades de capital.

Microsoft, que ha invertido en ambas, también compite indirectamente con ellas. Si OpenAI y Anthropic se convierten en compañías públicas de escala cercana al billón de dólares, Microsoft tendrá que equilibrar su papel como socio, inversionista, cliente, proveedor de nube y competidor.

Los modelos MAI son una forma de cubrir ese riesgo. Microsoft puede seguir distribuyendo modelos de OpenAI y Anthropic, pero al mismo tiempo desarrollar alternativas propias para tareas donde el costo, la latencia, la gobernanza o la procedencia de datos sean más importantes que usar siempre el modelo más grande del mercado.

Microsoft acelera su ofensiva en IA con nuevos modelos y Scout

DiarioBitcoin reportó previamente que Microsoft está acelerando su ofensiva en IA con nuevos modelos y Scout, un agente autónomo para empresas. También informó que la compañía lanzó modelos propios para reducir su dependencia de OpenAI.

MAI-Thinking-1 y MAI-Code-1-Flash confirman esa dirección. Microsoft no abandona su alianza con OpenAI, pero está construyendo una base propia para competir en razonamiento, programación, voz, imagen, transcripción y despliegue empresarial.

El movimiento también refleja una tendencia más amplia en la industria: las grandes plataformas tecnológicas quieren controlar modelos, infraestructura, aplicaciones, agentes y distribución. Microsoft ya tiene Azure, Windows, GitHub, Office y Copilot. Ahora quiere tener más modelos propios para alimentar esa red.

Una nueva etapa para Microsoft AI

MAI-Thinking-1 representa más que un nuevo modelo. Es una declaración estratégica.

Microsoft está diciendo que puede construir razonamiento avanzado sin depender de destilación de terceros, con datos limpios y licenciados, dentro de su propia infraestructura y con orientación empresarial. Al mismo tiempo, con MAI-Code-1-Flash, intenta demostrar que puede competir en uno de los mercados más valiosos de la IA actual: la programación asistida.

Todavía falta validación independiente de muchos de los resultados anunciados. También falta ver cómo reaccionan los desarrolladores, qué tan rápido se expande el acceso, cuánto reduce realmente costos y si los clientes empresariales confiarán en modelos propios de Microsoft frente a opciones de OpenAI, Anthropic o Google.

Pero el mensaje de Build 2026 es claro: Microsoft ya no quiere ser solo la nube detrás de la IA. Quiere ser también uno de los laboratorios que construyen los modelos. La competencia por la inteligencia artificial empresarial acaba de sumar un nuevo actor de peso, aunque ese actor ya estaba en el centro del tablero.

Imagen de Unsplash

Este artículo fue escrito por un redactor de contenido de IA

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín