✨︎ Resumen (TL;DR):
- Microsoft presentó MAI Code 2 y MAI Code 2 Flash para tareas de programación en GitHub Copilot.
- Code 2 alcanzó 98% del rendimiento de GPT-6.1 Sol en 4 pruebas, con una comparación basada en un precio promocional.
- La empresa también anunció modelos para ciberseguridad, imagen y voz, con accesos distintos en Copilot, Foundry y productos de seguridad.
Microsoft presentó el 17 de noviembre, durante Microsoft Ignite, MAI Code 2 y MAI Code 2 Flash, dos modelos de inteligencia artificial para programación que llegan a GitHub Copilot. La empresa afirma que Code 2 alcanzó el 98% del rendimiento de GPT-6.1 Sol en cuatro pruebas de código, con un costo equivalente al 40% del de esa referencia y un precio promocional para el modelo de Microsoft. El anuncio también incluyó modelos de ciberseguridad, imagen y voz.
MAI Code 2 es un modelo de IA para programación que depura programas, modifica varios archivos y trabaja con repositorios. MAI Code 2 Flash está orientado a trabajos más frecuentes, como explicar código o hacer correcciones puntuales.
El 98% depende de cuatro pruebas y un precio promocional
Microsoft reportó que MAI Code 2 logró 98% del rendimiento de GPT-6.1 Sol en el promedio de 4 evaluaciones: DeepSWE 1.1, TerminalBench 2.1, SWE-Atlas y FrontierCode 1.1. En ese mismo conjunto, la compañía le atribuyó 96% del rendimiento de Claude Opus 5.5 con 5% de su costo.
Las dos comparaciones utilizaron un precio promocional para MAI Code 2, con un descuento de 50%. Microsoft ejecutó 3 de las pruebas en su plataforma MSBench, mediante GitHub Copilot CLI y sin subagentes. Para la cuarta utilizó resultados y costos de Artificial Analysis.
Todos los modelos se probaron con el esfuerzo de razonamiento configurado al máximo, según Microsoft. Los resultados describen esas tareas y condiciones; no establecen una equivalencia general para cualquier proyecto.
La referencia también tiene una limitación temporal. Microsoft comparó con GPT-6.1 Sol, pero OpenAI presentó GPT-6.2 Sol el mismo 17 de noviembre. Por eso, el 98% reportado no corresponde a esa versión más reciente.
Precios por token y acceso dentro de Copilot
Un token es un fragmento de información que el modelo recibe o produce. El costo por token y el costo total de una tarea no son lo mismo: el segundo depende, entre otros factores, de cuánto contexto y cuántas respuestas necesita el modelo para terminarla.
Microsoft advierte que sus comparaciones cambian según la carga de trabajo y la configuración. GitHub publica estas tarifas promocionales para los modelos de programación:
- MAI Code 2: 0.50 dólares por millón de tokens de entrada y 2.50 dólares por millón de tokens de salida.
- MAI Code 2 Flash: 0.05 dólares por millón de tokens de entrada y 0.25 dólares por millón de tokens de salida.
A partir del 17 de mayo de 2027, las tarifas de Code 2 pasarán a 1 dólar por millón de tokens de entrada y 5 dólares por millón de salida. La tarifa de entrada en caché se calcula por separado. En el caso de Code 2 Flash, GitHub indica que sus precios también se duplicarán en esa fecha.
En Copilot, el consumo se descuenta de las asignaciones de créditos de cada plan y puede generar cargos adicionales. Algunos planes anuales conservan otro esquema de facturación.
GitHub lista Code 2 para Copilot Pro, Pro+, Max, Business y Enterprise. Code 2 Flash también aparece para Copilot Free y Student. Ambos modelos están disponibles en herramientas como Visual Studio Code y Copilot CLI.
En Microsoft Foundry, Code 2 Flash aparece en una vista previa de acceso limitado. La disponibilidad, por tanto, cambia según el plan y el producto desde el que se utilice.
La prueba de ciberseguridad excluyó 92 tareas
MAI Cyber 2 Flash es un modelo de IA para ciberseguridad que busca vulnerabilidades y ayuda a los equipos de seguridad. En la evaluación CyberGym-E2E, Microsoft reporta 92.3% de tareas resueltas, frente a 91.5% de GPT-6 Astra.
La comparación utiliza la mitad del presupuesto de razonamiento y menos del 2% del costo por tarea del modelo de OpenAI. Microsoft aclara que ese costo proviene de una evaluación fuera de línea, no de la factura de un cliente.
La compañía retiró 92 de las 905 tareas originales antes de calcular los resultados. Esas tareas se basaban en proyectos de código abierto e informes de vulnerabilidades que también aparecían en parte de los datos de entrenamiento. La exclusión se aplicó a todos los modelos, por lo que la prueba final quedó con 813 tareas.
Microsoft sostiene que no utilizó las soluciones de referencia de CyberGym-E2E durante el entrenamiento. El modelo llegará exclusivamente a productos de seguridad de Microsoft y, según la empresa, sustituirá al modelo anterior del perfil MAI en Codename MDASH para clientes elegibles desde mediados de diciembre.
Imagen, voz y decisiones con accesos distintos
Microsoft también anunció MAI Image 2.7 y una versión Flash para generar y editar imágenes. La compañía había presentado Image 2.7 en octubre como una vista previa centrada en edición, mientras que la generación desde texto quedó pendiente para más adelante.
Ahora, ambos modelos están disponibles en vista previa pública de Foundry. Sus precios aproximados son de 35 y 10 dólares por cada 1,000 imágenes, respectivamente.
MAI Realtime 1 es un modelo de IA para conversaciones de voz en tiempo real. Su tarifa base anunciada es de 0.01 dólares por minuto de audio, con el razonamiento cobrado por separado. Los clientes de la vista previa de acceso limitado no pagarán hasta que comience la vista previa pública.
Por separado, Microsoft-Decision-1.1 pasó a disponibilidad general en Foundry y otros servicios. El modelo está diseñado para elegir entre acciones permitidas por el desarrollador y ya había estado en vista previa pública desde octubre.
El ahorro todavía debe sostenerse en el trabajo real
Mustafa Suleyman, director de Microsoft AI, dijo a Axios que la compañía también trabaja en un modelo de propósito general más amplio, aunque no dio una fecha de lanzamiento. Mientras tanto, Microsoft busca que sus modelos especializados atiendan tareas concretas dentro de sus propios productos.
La empresa anunció además que ofrecerá próximamente pesos bajo licencia. Los pesos de un modelo son los parámetros que determinan su comportamiento; con esta oferta, las organizaciones podrán adaptar los modelos y ejecutarlos en sus propios entornos de Azure.
Un día antes del anuncio, Satya Nadella, CEO de Microsoft, había señalado otro reto para los equipos: comprobar que el código generado por IA haga lo que se necesita, incluso cuando producirlo resulte más barato.
Las cifras de Microsoft describen 4 pruebas de código, una evaluación de seguridad con 813 tareas y precios promocionales. La tensión pendiente está en si ese desempeño y ese ahorro se mantienen con la carga de trabajo y la configuración de cada equipo.
