.webp){kind=small}
A Microsoft AI lançou dois novos modelos internos em prévia pública na quarta-feira — MAI-Image-2.5-Pro, seu gerador de imagem de alta fidelidade até a data, e MAI-Voice-2-Flash, um modelo de fala construído para cargas de trabalho de alta volume em empresas —, ao mesmo tempo em que publicou dados de produção que representam a argumentação mais agressiva da empresa até agora de que ela pode impulsionar seus próprios produtos sem se apoiar nos modelos de fronteira da OpenAI.
A anúncio, feito pela equipe de Superinteligência da Microsoft AI, ocorre aproximadamente um ano após a empresa se comprometer a construir modelos projetados especificamente internamente, e chega com um nível incomum de especificidade sobre onde esses modelos agora correm: Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot e Azure.
O recado para compradores de empresas — e, implicitamente, para a OpenAI — é que os modelos desenvolvidos pela Microsoft não são mais projetos de pesquisa.
Eles são infraestrutura de produção servindo a milhões de usuários. "Cada uma dessas melhorias é um passo em direção ao mesmo objetivo: produtos da Microsoft, impulsionados por modelos da Microsoft", a empresa escreveu em seu blog de anúncio.
Como MAI-Image-2.5-Pro e MAI-Voice-2-Flash definem os extremos opostos da curva de custo do AI Os dois lançamentos novos ocupam extremos opostos da curva de qualidade-velocidade-custo, e a posição é deliberada.
MAI-Image-2.5-Pro alvo a faixa de luxo: imagens de herói, edição detalhada e renderização de texto em imagem precisa — o último dos quais tem sido um ponto fraco notório para modelos de geração de imagem.
A Microsoft fixou o preço do modelo em US$ 5 por milhões de tokens de entrada de texto, US$ 8 por milhões de tokens de entrada de imagem e US$ 106 por milhões de tokens de saída de imagem.
O modelo base MAI-Image-2.5 foi lançado recentemente em segundo lugar para edição de imagem no Arena, o leaderboard da comunidade que se tornou um verdadeiro scoreboard para mídia gerativa.
A indústria criativa parece estar notando.
Rob Reilly, diretor-geral de criação global da gigante de publicidade WPP, chamou o modelo Pro de "um salto forte para ferramentas de GenMedia" em uma declaração incluída no anúncio da Microsoft, acrescentando que "a Microsoft se estabeleceu firmemente entre os líderes no AI gerativo".
MAI-Voice-2-Flash vai na direção oposta.
Primeiramente apresentado na conferência Build da Microsoft, Flash corre duas vezes mais rápido do que MAI-Voice-2 e custa 32% menos, fixado em US$ 15 por milhões de caracteres.
Ele é projetado para o mercado não glamoroso mas enorme de voz de alta volume — centrais de atendimento, agentes de voz e aplicações de fala em tempo real onde a latência e o custo por chamada importam mais do que os ganhos marginais na expressividade.
Juntos, os dois modelos refletem uma estratégia de construir famílias de modelos em vez de um único modelo de bandeira, porque, como a empresa disse, um estúdio criativo perseguindo a máxima fidelidade tem necessidades muito diferentes de uma operação de atendimento ao cliente lidando com milhões de chamadas por dia.
Os metrôs de produção da Microsoft mostram que os modelos internos cortam os custos de GPU em até 89% Os lançamentos de modelos são, possivelmente, menos noticiáveis do que os metrôs de implantação que a Microsoft os acompanhou — números que parecem ser um caso sistemático para substituir os modelos de fronteira de terceiros em toda a carteira de produtos.
O Bing Image Creator agora corre inteiramente em MAI-Image-2.5, de ponta a ponta, marcar A primeira vez que a ferramenta de imagem do consumidor está completamente em casa.
No PowerPoint, a Microsoft diz que o MAI-Image-2.5 reduz os custos de GPU em até 84% em comparação com o modelo de imagem GPT-Image-2, da OpenAI.
No OneDrive, onde o MAI-Image-2.5 é agora o padrão para cenários-chave de edição de imagem, a empresa relata um aumento de 26% nas taxas de salvamento, cerca de 25% de latência P95 menor e 2,5 vezes maior eficiência em cargas de trabalho de produção de média utilização.
Do lado da voz, o MAI-Voice-2-Flash agora impulsiona o Dynamics 365 Contact Center — a plataforma usada por clientes como a T-Mobile e a EasyJet — onde a Microsoft afirma reduções de custos de GPU de até 89%.
O modelo também está integrado ao Azure Voice Live para desenvolvedores que estão construindo agentes de fala para fala.
Talvez a implantação mais consequente esteja na área da saúde.
O Dragon Copilot da Microsoft, usado por 170.000 profissionais de saúde e responsável por processar 28 milhões de atendimentos de pacientes no último trimestre, agora roda no MAI-Transcribe-1.5 para seu fluxo de trabalho multilíngue em 58 idiomas.
A Microsoft diz que avaliações internas mostram uma redução relativa de 50% em taxas de transcrição e identificação de idioma em quase todos os idiomas — um afirmação significativa em um domínio onde erros de transcrição podem se propagar diretamente para notas clínicas.
Dentro da estratégia de "subida da colina" que permite que pequenos modelos superem o GPT-5.6 no Excel Em um post acompanhante publicado no mesmo dia, a Microsoft detalhou a metodologia por trás desses resultados — o que ela chama de "máquina de subida da colina", um flywheel integrado de dados, modelos e o produto "harness" que os rodeia.
O exemplo mais claro é o MAI-Code-1-Flash, o modelo de codificação leve lançado no GitHub Copilot em junho.
A Microsoft diz que o modelo alcança uma taxa de aceitação de código aproximadamente 10% maior do que o GPT-5.4 Mini e o Claude Haiku 4.5 no VS Code, enquanto usa 10% menos tokens mediantes.
A retenção de desenvolvedores conta uma história semelhante: os usuários eram 6% mais propensos a retornar em vários dias do que com o GPT-5.4 Mini, e 11% mais propensos do que com o Claude Haiku 4.5.
Em seguida, a Microsoft fez algo mais interessante.
Ela tomou o checkpoint do MAI-Code-1-Flash e o treinou ainda mais dentro de um ambiente de aprendizado por reforço do Excel, ensinando um modelo de codificação as ferramentas e fluxos de trabalho do conhecimento de planilhas.
O resultado, de acordo com feedback de usuários de produção, é um modelo em par com o GPT-5.6 para as tarefas mais comuns do Excel — enquanto sendo pequeno o suficiente para rodar em GPUs Nvidia mais antigas H100 e até A100, em vez de requerer aceleradores de geração mais recente.
Essa detalhe de hardware merece destaque.
Cada grande empresa de IA está lutando pela alocação de chips de ponta, e um modelo que entrega qualidade de fronteira adjacente em silício de duas gerações antigo fundamentalmente muda a economia de implantação.
Isso também libera o hardware mais novo — incluindo o cluster GB200 agora operacional da Microsoft — para treinamento em vez de serviço.
O manifesto de Satya Nadella sobre a "difusão da fronteira" redesenha a relação com a OpenAI O CEO da Microsoft, Satya Nadella, definiu as anúncios em um post longo no X intitulado "Difusão da Fronteira & Controle", que funciona como algo próximo a um manifesto estratégico. "Agora podemos levar capacidades de fronteira saturadas e entregá-las em..." Escala e a custo mais baixo através de modelos otimizados para produtos de alta utilização, enquanto continua a usar modelos de fronteira para necessidades de fronteira," escreveu Nadella, acrescentando que a Microsoft está "começando a rotear o tráfego em nossas superfícies de primeira parte para o MAI sempre que nossos modelos coincidirem ou superarem alternativas de fronteira." Traduzido da prosa executiva: habilidades que eram de ponta de ano passado agora são consideradas básicas, e a Microsoft acredita que pode replicá-las barato para as tarefas específicas e repetitivas que dominam o uso real de produtos.
Por que pagar preços de fronteira por um modelo de fronteira quando um usuário só quer reformatar uma coluna de planilha?
Nadella foi cuidadoso em notar que "modelos de fronteira da OpenAI e Anthropic fazem parte do sistema de orquestração ao lado do MAI" — mas ele também articulou um princípio de independência de modelo, argumentando que as avaliações de uma empresa "devem continuar a subir a colina mesmo quando qualquer modelo específico for removido." “Manter a sela, a memória, o contexto e as habilidades fora do modelo, ele argumentou, é o que dá à Microsoft o controle.
O subtexto é difícil de não perceber.
A Reuters informou em abril que a licença exclusiva da Microsoft para a tecnologia da OpenAI havia sido revisada para uma arranjo não exclusivo, e A Information informou em setembro passado que a Microsoft havia começado a incorporar modelos da Anthropic em alguns produtos.
A declaração de ontem completa o triângulo: a Microsoft como orquestradora, com os modelos de seus parceiros como componentes intercambiáveis e seus próprios modelos absorvendo uma parte cada vez maior do tráfego rotineiro.” Desenvolvedores aplaudem modelos mais baratos e específicos para tarefas, enquanto céticos questionam o histórico da Microsoft A resposta online capturou tanto o apelo quanto o ceticismo em torno da estratégia. "Eu amo quando as pessoas usam modelos pequenos para tarefas específicas," escreveu um usuário do X, @mavihsk, respondendo ao post de Nadella. "Por que eu tenho que usar o modelo que tudo sabe apenas para mudar meu campo em Excel?" Outro usuário, @nabu_lines, resumiu a proposta de forma precisa: "custo e desempenho melhoram quando você para de superusar o maior modelo." Outros foram menos caridosos sobre
O AR NEWS 24H publica conteúdos baseados em fontes externas. As informações e opiniões presentes no material original são de responsabilidade de seus respectivos autores. Para a versão completa, acesse a fonte.
Publicado por AR NEWS 24H · https://arnewsnoticias.com
