A Microsoft anunciou modelos de IA próprios durante a conferência Build, destacando eficiência e baixo custo em tokens. Esses modelos são focados em codificação e raciocínio lógico.
Modelo MAI-Code-1-Flash
O primeiro modelo apresentado é o MAI-Code-1-Flash, descrito como o modelo inaugural da Microsoft no segmento de codificação por IA. Ele recebe descrições em texto e gera código-fonte para aplicativos e sites. O modelo é ultra-eficiente em inferência.
Modelo MAI-Thinking-1
O segundo modelo apresentado é o MAI-Thinking-1, um modelo de raciocínio de tamanho médio. Ele é descrito por Kyle Daigle, diretor de operações do GitHub, como “construído para alta eficiência e desempenho, mas, principalmente, com baixo custo em tokens”. Os tokens são a unidade usada por desenvolvedores para pagar pelo uso de modelos de IA.
Desempenho Comparado
O MAI-Thinking-1 está disponível em prévia privada pelo Microsoft Foundry, serviço voltado à integração de modelos em aplicações. Clientes podem manifestar interesse em testá-lo antes da disponibilização ampla e poderão aumentar a precisão do modelo incorporando dados próprios.
Benefícios Econômicos
Para a Microsoft, desenvolver modelos próprios traz benefícios econômicos que podem ser repassados aos desenvolvedores. A empresa pode rodar esses modelos na própria infraestrutura Azure, sem pagar a terceiros como o OpenAI.
Comparação com OpenAI
Mustafa Suleyman, CEO da Microsoft AI, afirmou que, após ajustar seus modelos para as necessidades da consultoria McKinsey, a Microsoft conseguiu superar o GPT-5 da OpenAI com eficiência de custo dez vezes maior.
Novos Recursos
A Microsoft também anunciou novos recursos de voz, imagem e reconhecimento de fala. Além dos modelos principais, a empresa anunciou versões atualizadas de modelos em nuvem para reconhecimento de voz, geração de voz sintética e geração de imagens. Também foram anunciados modelos Aion otimizados para PCs com Windows.
Conclusão
A Microsoft está lançando modelos de IA próprios para competir com a OpenAI, destacando eficiência e baixo custo em tokens. Esses modelos são focados em codificação e raciocínio lógico, e podem ser integrados diretamente em aplicações e servidores da empresa.