A Microsoft lança os modelos desenvolvidos internamente MAI-Image-2.5-Pro e MAI-Voice-2-Flash: corte acentuado nos custos com GPU

A Microsoft divulgou dois novos modelos, o MAI-Image-2.5-Pro e o MAI-Voice-2-Flash, e publicou dados internos que afirmam que os custos de GPU podem cair em até 89%. A empresa diz que seus modelos desenvolvidos internamente já conseguem substituir modelos de ponta da OpenAI em várias linhas de produtos e, ao mesmo tempo, empacotou as “dicas de treinamento” como um novo produto da Azure para venda externa.
(Histórico: a Microsoft lançou de uma vez 7 modelos próprios da linha MAI: com ênfase em “zero destilação” para garantir conformidade, e com ajustes finos em modelos abertos para atrair usuários corporativos)
(Complemento de contexto: a parceria da Microsoft com a OpenAI é um “casamento aberto”: incomum, mas meio a meio)

Sumário

Toggle

• Um triângulo amoroso, montado assim
• Transformar as dicas de treinamento em um produto
• A reação em duas frentes

Na quarta-feira, a Microsoft publicou um conjunto de números: depois de trocar os modelos de voz no centro de atendimento pelo seu MAI-Voice-2-Flash, os custos de capacidade de computação caíram 89%. Ao mesmo tempo, a Microsoft lançou dois novos modelos, MAI-Image-2.5-Pro e MAI-Voice-2-Flash, que entram em visualização pública, mirando geração de imagens de ponta e processamento massivo de voz, respectivamente.

Um triângulo amoroso, montado assim

Na verdade, essa declaração sobre modelos construídos internamente já tinha sinais claros antes. A Reuters, em abril deste ano, informou que a licença exclusiva original entre a Microsoft e a OpenAI foi reescrita para um arranjo não-exclusivo; a The Information, em setembro do ano passado, também revelou que a Microsoft começou a incorporar modelos da Anthropic em parte dos produtos.

O CEO da Microsoft, Nadella, postou no X com o título “difusão de ponta e controle”, deixando a lógica bem explícita: capacidades de ponta saturadas agora podem ser fornecidas em escala com custos menores, por meio de modelos otimizados para cenários de alta frequência; “contanto que os modelos da própria empresa tenham desempenho igual ou superior às alternativas de ponta, a gente começa a direcionar o tráfego para o MAI”.

https://t.co/GUwbNABiw6

— Satya Nadella (@satyanadella) 23 de julho de 2026

Ele também destacou que “modelos de ponta vindos da OpenAI e da Anthropic ainda fazem parte de um sistema coordenado completo”, mas ao mesmo tempo propôs um princípio de independência de modelos: o sistema de avaliação “deve continuar subindo mesmo que qualquer um dos modelos seja removido”. Em outras palavras, deixar o conjunto de sistemas acoplados, memórias e habilidades fora do modelo é justamente a forma como a Microsoft mantém o controle de verdade.

Assim, o triângulo se consolida: a Microsoft vira a coordenadora, os modelos de ponta da OpenAI e da Anthropic viram peças substituíveis e os modelos próprios vão absorvendo cada vez mais o fluxo do dia a dia.

Transformar as dicas de treinamento em um produto

O que sustenta essa narrativa é a metodologia revelada em outro anúncio da Microsoft: a estratégia “hill-climbing”. Em resumo, a ideia é fazer com que os “sistemas de coordenação” se formem em conjunto entre dados, modelos e produtos, criando uma espécie de “roda” de iteração contínua, em vez de depender de um único treinamento para decidir tudo.

O exemplo mais representativo está no GitHub Copilot, com o modelo leve MAI-Code-1-Flash. A Microsoft afirma que, no VS Code, a taxa de adoção de seu código tem cerca de 10% a mais do que GPT-5.4 Mini e Claude Haiku 4.5, enquanto usa 10% menos tokens.

Em seguida, a Microsoft colocou esse modelo no ambiente de aprendizado por reforço do Excel para “treinar mais”, e o resultado foi um modelo pequeno o bastante para rodar em GPUs H100 antigas — e até em A100. Em tarefas da maioria do Excel, ele empata o GPT-5.6: não precisa mexer nos chips da geração mais recente e, além disso, permite que o cluster mais novo de GB200 seja usado para treinamento, em vez de apenas para atender solicitações.

A Microsoft não guardou essa “dica” apenas internamente. Por meio da Foundry e do que chamam de Frontier Tuning, clientes corporativos podem treinar modelos dedicados com seus próprios dados, convertendo a experiência da Microsoft de economizar em “um novo produto” da Azure. A empresa também enfatizou que o treinamento desses modelos vem de “dados corporativos limpos e rastreáveis”, sem destilação por modelos de terceiros; num ambiente industrial em que a origem dos dados de treinamento está cada vez mais sob escrutínio, essa frase também é direcionada a clientes empresariais e reguladores.

A reação em duas frentes

Ao colocar a “dica” em prática e virá-la produto, a Microsoft também exibiu resultados concretos. O Bing Image Creator já substituiu totalmente o uso por MAI-Image-2.5; no lado do PowerPoint, em comparação com o GPT-Image-2 da OpenAI, o custo de GPU caiu 84%; no OneDrive, após trocar de modelo, a taxa de armazenamento aumentou 26% e a latência caiu cerca de 25%.

A implantação mais sensível está na área médica: o Dragon Copilot, que atende 170 mil profissionais de saúde e processa 28 milhões de registros de pacientes no último trimestre, após trocar seu fluxo de transcrição em 58 linguas para o MAI-Transcribe-1.5, teve redução relativa de 50% nas taxas de erros de transcrição e reconhecimento de linguagem. Já quanto aos dois novos modelos em si: o MAI-Image-2.5-Pro custa US$ 5 por 1 milhão de tokens de entrada de texto e US$ 106 por 1 milhão de tokens de saída de imagem. O grande de publicidade WPP, Rob Reilly global de criatividade, elogiou no anúncio da Microsoft chamando-o de “um grande avanço para ferramentas de mídia gerada”; o MAI-Voice-2-Flash, por sua vez, é duas vezes mais rápido que o antecessor, com custo 32% menor, e mira cenários como os do centro de atendimento — “grande volume, mas sem exigir desempenho máximo”.

Mas as reações da comunidade se dividem em duas frentes. Um designer criticou no X: “a Microsoft sempre faz o pior trabalho quando se trata de ouvir a opinião dos usuários”, prevendo que a empresa acabará perdendo na corrida de IA; outro internauta ironizou a “independência de modelos” que a Microsoft promoveu: “depois de tirar a Microsoft, eu até espero que esse sistema continue subindo”. Ainda assim, há desenvolvedores apoiando, dizendo diretamente: “por que mudar um campo no Excel teria que acionar modelos gigantes oniscientes?”. E resumiu os argumentos do produto em uma frase: “não jogar tudo no maior modelo, porque custos e desempenho melhoram juntos”.

As críticas dos céticos não são sem motivo: taxas de adoção, taxas de armazenamento e economia de GPU — todos esses números vêm de avaliações internas da própria Microsoft, não de testes comparativos de terceiros. A decisão de quais números serão divulgados também fica com a Microsoft.