Los modelos MAI de Microsoft llegan al trabajo cotidiano con una pregunta que las grandes demostraciones suelen dejar para el final: ¿cuánto cuesta mantener una inteligencia funcionando cuando se apagan los focos? Un agente que revisa código, atiende una conversación o analiza una alerta necesita algo más que una respuesta brillante. Necesita repetir su trabajo sin convertir cada jornada en una factura imprevisible.
El 17 de noviembre de 2026, durante Ignite, Microsoft presentó una familia de siete modelos y nuevas opciones de despliegue. Su anuncio reúne programación, ciberseguridad, imágenes, voz y decisiones, con la relación entre rendimiento y precio como argumento central. La noticia merece leerse por sus capacidades y por la tensión que abre: hacer la IA más accesible puede ampliar nuestras posibilidades, pero también multiplicar las tareas que dejamos bajo su control.
La carrera por una inteligencia que pueda sostenerse
Microsoft plantea una estrategia de especialización. En lugar de enviar cualquier petición al sistema más grande disponible, propone modelos ajustados a distintos tipos de trabajo. Es una manera de entender la IA como un conjunto de herramientas con funciones concretas. La pregunta deja de ser únicamente cuál alcanza la mayor puntuación y pasa a incluir cuál puede resolver un encargo de forma suficientemente fiable y repetible.
La diferencia importa para organizaciones que necesitan operar a gran escala. El coste de una interacción aislada puede parecer pequeño; al repetirse, exige una evaluación más cuidadosa. A esa cuenta hay que añadir integración, revisión, correcciones y mantenimiento. Por eso, una tarifa baja resulta interesante cuando se acompaña de resultados que el equipo puede aceptar y comprender.
El anuncio es también una invitación a revisar qué entendemos por eficiencia. Producir más contenido no equivale necesariamente a trabajar mejor. Una mejora útil puede consistir en reducir errores, evitar una espera o permitir que una persona dedique atención a una decisión difícil. La métrica debería elegirse antes de celebrar el ahorro.
MAI Code 2 se centra en el código de cada día
La documentación de MAI Code 2 y Code 2 Flash describe dos perfiles. El primero apunta a depuración, cambios en varios archivos y trabajo sobre repositorios; Flash se orienta a explicaciones, modificaciones acotadas y correcciones frecuentes. Ambos están disponibles en GitHub Copilot, mientras Code 2 Flash tiene además una vista previa de acceso limitado en Microsoft Foundry.
Microsoft afirma que Code 2 alcanza el 98% del rendimiento de GPT-6.1 Sol al 40% del coste en el promedio de cuatro evaluaciones de programación. Conviene leer la letra pequeña: las pruebas usan configuraciones concretas, y el cálculo del coste de MAI incluye una promoción del 50%. La comparación no describe una reducción garantizada en cualquier proyecto ni una tarifa permanente.
La empresa reconoce asimismo que estos modelos todavía no están ajustados para investigación científica fundamental o tareas agénticas de horizonte especialmente largo. Esa delimitación ayuda a interpretar el producto. Una herramienta diseñada para arreglos habituales no necesita presentarse como solución universal para resultar valiosa.
Para un equipo técnico, la prueba decisiva sería observar cambios que puedan revisarse y mantenerse. ¿Respeta las convenciones del proyecto? ¿Resuelve el problema sin añadir otro? ¿Permite entender por qué se ha modificado un archivo? Una respuesta convincente en una conversación no sustituye esas comprobaciones.
También cambia el papel de quien programa. A medida que la propuesta automática se vuelve más fácil de obtener, formular el encargo y reconocer un resultado insuficiente adquiere más peso. El trabajo no desaparece en una nube de código; se desplaza hacia el criterio con el que aceptamos lo construido.
Defensa especializada, con acceso y calendario propios
MAI Cyber 2 Flash se presenta como un modelo especializado en encontrar vulnerabilidades, recomendar soluciones e investigar amenazas. Microsoft anuncia su llegada exclusiva a productos de seguridad de la compañía, incluido Codename MDASH, donde prevé sustituir el modelo existente para clientes elegibles a partir de mediados de diciembre. El anuncio de noviembre no significa disponibilidad general inmediata.
En su evaluación CyberGym-E2E, Microsoft comunica un 92,3% de éxito y un coste por tarea inferior al 2% del comparador GPT-6 Astra. Son resultados de una prueba fuera de producción. La empresa explica que retiró 92 casos relacionados con proyectos y avisos presentes en parte de sus datos de entrenamiento, y publicó la comparación sobre los 813 restantes.
Ese detalle metodológico merece tanta atención como el porcentaje. Cuando una prueba se parece demasiado al material de entrenamiento, interpretar el resultado se vuelve más difícil. Explicar qué se excluyó permite delimitar mejor la evidencia. No convierte una evaluación del proveedor en una garantía sobre todos los sistemas de un cliente.
La seguridad plantea además un dilema propio. Una herramienta que identifica problemas debe trabajar con permisos adecuados y con procedimientos que permitan comprobar sus hallazgos. Automatizar una parte de la investigación puede ser útil; aplicar una corrección a un sistema importante requiere valorar sus consecuencias. La rapidez no debería borrar esa diferencia.
Imágenes más baratas y un nuevo espacio de edición
La actualización de MAI Image 2.7 y su versión Flash se acompaña de Canvas, un espacio interactivo para crear y modificar imágenes. Microsoft destaca el control sobre objetos, materiales y posiciones, así como el soporte de fondos transparentes. Los modelos llegan en vista previa pública a Foundry y se pueden probar en MAI Labs.
El anuncio ofrece costes aproximados de 35 dólares por cada mil imágenes para Image 2.7 y 10 dólares para Flash. Esas cifras pertenecen al servicio y condiciones descritos. No expresan el presupuesto completo de una campaña, que puede incluir muchas iteraciones, selección y trabajo de diseño.
La empresa sitúa su modelo en primera posición de edición en Artificial Analysis con datos del 16 de noviembre y una ventaja de cuatro puntos Elo sobre el siguiente modelo citado. Una diferencia de clasificación no demuestra superioridad en cualquier encargo creativo. El interés práctico está en comprobar si conserva los detalles que una marca, un diseñador o una publicación necesitan mantener.
La producción visual gana opciones cuando las modificaciones resultan controlables. También gana responsabilidad: una imagen fácil de transformar exige distinguir qué se ha documentado y qué se ha construido. La capacidad técnica de producir una escena no decide cómo debería presentarse al público.
La voz trae una tarifa base y otra cuenta adicional
MAI Realtime 1 combina conversación de voz y conexión con herramientas empresariales. Microsoft describe manejo de interrupciones, adaptación del estilo y comprensión en entornos con ruido. Lo ofrece para pruebas en MAI Labs y mediante una vista previa de acceso limitado en Foundry.
Su precio anunciado parte de 0,01 dólares por minuto de audio. Sin embargo, el razonamiento se factura por separado: un dólar por millón de tokens de entrada y cinco por millón de salida. Reducir todo el servicio a «un céntimo por minuto» ocultaría una parte importante de la cuenta.
En una atención al cliente hipotética, el valor dependería de resolver la necesidad de la persona, no de mantener una conversación interminable a bajo precio. Habría que observar si el sistema comprende una corrección, sabe cuándo pedir ayuda y conserva el contexto apropiado. Una voz fluida puede facilitar el trato; también puede hacer que una respuesta insuficiente parezca más segura de lo que es.
El diseño de esas interacciones necesita una salida humana comprensible. Si una persona desea discutir una decisión, no debería verse obligada a convencer primero a una interfaz de que su problema merece atención. La eficiencia del sistema y la dignidad de quien lo usa tienen que poder convivir.
Controlar los modelos dentro del entorno empresarial
Microsoft añade MAI Licensed Weights, una oferta anunciada como próxima que permitirá desplegar y adaptar modelos en el entorno Azure del cliente. La compañía señala que las organizaciones mantendrán el control del acceso y las actualizaciones, y que sus datos y adaptaciones solo se usarán para entrenar modelos de Microsoft con acuerdo expreso.
Esto debe distinguirse de la publicación abierta de pesos para cualquier uso. La propuesta se articula mediante una relación comercial y un entorno determinado. Para valorar su alcance harán falta las condiciones aplicables a cada despliegue, además de las capacidades del modelo.
La posibilidad de elegir cuándo actualizar puede resultar relevante en procesos que necesitan continuidad. Pero asumir más control también implica decidir quién valida una adaptación y quién responde si el comportamiento cambia. Tener una herramienta dentro del propio entorno no resuelve automáticamente su gobierno.
Una organización debería poder contestar preguntas sencillas antes de extenderla: qué datos utiliza, qué tareas puede ejecutar, cómo se revisan los resultados y qué ocurre cuando el sistema se detiene. Son preguntas de funcionamiento cotidiano. Conviene resolverlas mientras el alcance sigue siendo comprensible.
El ahorro que merece la pena medir
Los modelos MAI dibujan una etapa en la que la competencia se juega en la utilidad repetida: escribir una corrección aceptable, producir una imagen controlable o ayudar a investigar una amenaza sin gastar siempre los recursos del modelo más grande. Esa dirección puede abrir posibilidades para equipos con presupuestos limitados.
Pero la abundancia técnica también puede convertirse en una nueva forma de saturación. Si cada interacción cuesta menos, ¿usaremos la diferencia para resolver problemas mejores o para generar más trabajo que revisar? La respuesta no está escondida en una tabla de precios. Depende de los objetivos que fijemos y de lo que decidamos dejar fuera.
El progreso más interesante sería que estas herramientas nos permitieran intervenir con más claridad: reconocer el error, cambiar una instrucción, recuperar una decisión. Una IA sostenible para el trabajo cotidiano necesita una economía que funcione y una relación de control que podamos entender.
La promesa de Microsoft se pondrá a prueba lejos del escenario de Ignite. Allí donde una persona debe aceptar un cambio y hacerse cargo de él. En ese instante, la inteligencia deja de ser una cifra y se convierte en una responsabilidad compartida.
Imagen de portada: material gráfico oficial de Microsoft AI para el anuncio de modelos MAI en Ignite 2026.



