
Mientras OpenAI lanzaba GPT-6.2, Microsoft usó su escenario en Ignite para una andanada propia: siete modelos nuevos de la familia MAI, todos apuntando al mismo punto débil del mercado — el costo de mantener agentes corriendo 24/7 haciendo trabajo real. La frase del anuncio lo dice sin anestesia: el gasto en tokens se está disparando y los clientes quieren precio, no solo benchmarks.
MAI Code 2: el golpe sobre la mesa
La joya del lote para el mundo dev. Según Microsoft, promediando cuatro benchmarks de coding cotidiano (DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas y FrontierCode v1.1):
- 98% de la calidad de GPT-6.1 Sol al 40% del precio.
- 96% del rendimiento de Claude Opus 5.5 al 5% del precio.
Ese segundo número es el que va a mover decisiones presupuestarias: cuando el rendimiento llega al 96%, la diferencia de 20x en precio deja de ser un trade-off y pasa a ser una decisión financiera. Y viene acompañado de Code 2 Flash, que iguala a GPT-6 Luna al 65% del precio y a Haiku 5.5 al 20%.
Cyber, imagen y voz: especialización total
- MAI Cyber 2 Flash: iguala la calidad de GPT-6 Astra en tareas de ciberseguridad (benchmark CyberGymE2E) a menos del 2% del costo por tarea. Ya casi el 40% de los escaneos en MDASH usan MAI Cyber, y el 90% de quien lo probó se quedó. El precio de salida bajó 86% versus la versión anterior. Pensado para monitoreo y defensa corriendo todo el día.
- MAI Image 2.7: número uno en edición de imagen según Artificial Analysis, superando a GPT Image 2.6 Sunburst (max) a la quinta parte del precio.
- MAI Realtime 1: supera a GPT-Realtime 2.1 y parte en 0,01 USD por minuto de audio.
- Transcribe 2: transcripción multilingüe “la más rápida y precisa del mundo” según Microsoft, ya empoderando 10 millones de encuentros clínicos mensuales en Dragon Copilot con errores multilingües reducidos a la mitad.
- Decision 1.1: modelo de decisión 50 veces más rápido y 79 veces más barato que GPT-Sol 6.1.
Y de yapa: Maia 200, el acelerador propio de segunda generación, ya está en producción corriendo los modelos más grandes de la casa con 1,7x más tokens por watt.
La lectura
Hace un año la pregunta era quién tiene el modelo más inteligente. Hoy, con OpenAI bajando Astra 20% el mismo día que Microsoft lanza siete modelos especializados, la pregunta es cuánto cuesta cada tarea terminada. Para equipos de plataforma y DevOps que arman agentes internos, esta ola de modelos baratos y enfocados cambia las cuentas: el cuello de botella está migrando de la capacidad del modelo al costo de operarlo. Ese es el juego que Microsoft decidió jugar, y lo está jugando agresivo.


