Microsoft AI ha rilasciato in anteprima pubblica MAI-Image-2.5-Pro, il proprio generatore di immagini a più alta fedeltà, e MAI-Voice-2-Flash, un modello vocale ottimizzato per carichi aziendali ad alto volume. L’annuncio del team Superintelligence arriva circa un anno dopo l’avvio del programma dedicato ai modelli proprietari e mostra come la famiglia MAI sia già utilizzata in Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot e Azure. L’obiettivo dichiarato è alimentare una quota crescente dei prodotti Microsoft con modelli sviluppati internamente, lasciando quelli di frontiera di OpenAI e Anthropic alle richieste nelle quali conservano un vantaggio misurabile.
I due nuovi modelli occupano posizioni opposte nella curva qualità-velocità-costo. MAI-Image-2.5-Pro è rivolto ai flussi creativi nei quali contano fedeltà visiva, editing dettagliato e rendering preciso del testo nelle immagini. Il prezzo è fissato a 5 dollari per milione di token di input testuale, 8 dollari per milione di token di input visivo e 106 dollari per milione di token di output immagine. La versione base MAI-Image-2.5, lanciata poco prima, ha raggiunto il secondo posto nella classifica dedicata all’editing di Arena. Rob Reilly, direttore creativo globale di WPP, ha definito la variante Pro un avanzamento significativo per gli strumenti GenMedia e ha collocato Microsoft tra i principali fornitori di intelligenza artificiale generativa.
MAI-Voice-2-Flash è invece progettato per call center, assistenti vocali e applicazioni speech in tempo reale, dove latenza, capacità di elaborazione e costo per chiamata prevalgono sui miglioramenti marginali nell’espressività. Il modello, presentato inizialmente durante Microsoft Build, è due volte più veloce di MAI-Voice-2, costa il 32% in meno ed è offerto a 15 dollari per milione di caratteri. La separazione tra una variante visiva premium e un modello vocale ad alta efficienza riflette la scelta di sviluppare famiglie specializzate, anziché utilizzare un unico modello di grandi dimensioni per qualsiasi attività.
La parte più rilevante dell’annuncio riguarda i risultati ottenuti nei prodotti già in esercizio. Bing Image Creator utilizza ora MAI-Image-2.5 per l’intero processo di generazione, diventando il primo servizio visuale Microsoft destinato agli utenti finali a funzionare completamente su tecnologia interna. In PowerPoint, lo stesso modello riduce fino all’84% i costi GPU rispetto a GPT-Image-2. In OneDrive è diventato l’impostazione predefinita per i principali scenari di modifica delle immagini, producendo un aumento del 26% del tasso di salvataggio, una riduzione di circa il 25% della latenza al percentile P95 e un’efficienza 2,5 volte superiore con i carichi medi osservati in produzione.
MAI-Voice-2-Flash alimenta Dynamics 365 Contact Center, utilizzato anche da aziende come T-Mobile ed EasyJet, dove Microsoft dichiara riduzioni dei costi GPU fino all’89%. Il modello è inoltre disponibile attraverso Azure Voice Live per lo sviluppo di agenti vocali e applicazioni di sintesi in tempo reale. I dati mostrano che il passaggio da modelli generalisti esterni a sistemi interni più piccoli non viene presentato soltanto come scelta tecnologica, ma come intervento diretto sull’economia dei servizi AI eseguiti su larga scala.
Un’implementazione particolarmente sensibile riguarda Dragon Copilot, utilizzato da 170.000 operatori sanitari e impiegato nell’ultimo trimestre per elaborare 28 milioni di visite mediche. Il flusso multilingue utilizza ora MAI-Transcribe-1.5 in 58 lingue. Secondo le valutazioni interne di Microsoft, il modello ha ridotto relativamente del 50% sia gli errori di trascrizione sia quelli di riconoscimento della lingua nella maggior parte degli idiomi testati, con implicazioni dirette sulla qualità delle note cliniche generate a partire dalle conversazioni tra medici e pazienti.
Alla base di questi risultati Microsoft colloca la propria “hill-climbing machine”, un ciclo continuo che combina dati reali di utilizzo, addestramento dei modelli, valutazioni proprietarie e ottimizzazione del sistema applicativo nel quale il modello viene inserito. L’idea non è produrre un modello universalmente superiore, ma migliorare progressivamente un sistema compatto fino a renderlo competitivo con soluzioni più grandi in un dominio specifico.
MAI-Code-1-Flash, distribuito su GitHub Copilot a giugno, rappresenta uno degli esempi principali. In VS Code avrebbe ottenuto un tasso di accettazione del codice superiore di circa il 10% rispetto a GPT-5.4 Mini e Claude Haiku 4.5, utilizzando mediamente il 10% di token in meno. Gli sviluppatori avrebbero inoltre mostrato una probabilità di tornare a usare il modello superiore del 6% rispetto a GPT-5.4 Mini e dell’11% rispetto a Claude Haiku 4.5.
Microsoft ha successivamente preso il checkpoint di MAI-Code-1-Flash e lo ha addestrato in un ambiente di reinforcement learning costruito attorno agli strumenti e ai flussi di lavoro di Excel. Il modello risultante, secondo il feedback raccolto in produzione, raggiunge prestazioni paragonabili a GPT-5.6 nelle attività più comuni sui fogli di calcolo, pur mantenendo dimensioni compatibili con GPU Nvidia H100 e persino A100. La possibilità di offrire capacità prossime ai modelli di frontiera su acceleratori meno recenti riduce il costo di inferenza e consente di riservare sistemi più avanzati, come il cluster GB200 già operativo presso Microsoft, alle attività di addestramento.
Satya Nadella ha definito questa strategia “frontier diffusion”: quando una capacità precedentemente di frontiera diventa sufficientemente matura e ripetibile, Microsoft la replica attraverso modelli specializzati più economici e la distribuisce nei prodotti ad alto utilizzo. Il traffico viene indirizzato verso MAI quando i modelli proprietari eguagliano o superano le alternative esterne, mentre OpenAI e Anthropic restano all’interno del sistema di orchestrazione per le richieste più complesse.
Il principio operativo è evitare che memoria, contesto, strumenti, competenze e logica applicativa dipendano da un singolo modello. Secondo Nadella, le prestazioni di un prodotto dovrebbero continuare a migliorare anche rimuovendo uno dei modelli disponibili. Microsoft punta quindi a controllare il livello di orchestrazione e a trattare i modelli di frontiera dei partner come componenti sostituibili, mentre i sistemi MAI assorbono progressivamente il traffico ripetitivo e ad alto volume.
Questa impostazione si inserisce nella ridefinizione del rapporto con OpenAI. Microsoft ha investito oltre 13 miliardi di dollari nella società, ma la licenza esclusiva sulla sua tecnologia sarebbe stata successivamente trasformata in un accordo non esclusivo. Parallelamente, l’azienda ha iniziato a integrare modelli Anthropic in alcuni prodotti. La nuova architettura prevede quindi tre livelli: Microsoft come orchestratore, i modelli esterni di frontiera utilizzati quando necessario e le famiglie MAI impiegate per ridurre il costo delle operazioni standardizzate.
Le reazioni degli sviluppatori si sono concentrate soprattutto sull’efficienza dei modelli piccoli e specifici per attività. Diversi utenti hanno osservato che operazioni come la modifica di una cella Excel non richiedono un modello generalista di grandi dimensioni. Altri hanno contestato la capacità di Microsoft di tradurre le prestazioni tecniche in prodotti coerenti con il feedback degli utenti. Rimane inoltre il limite metodologico delle metriche presentate: tassi di accettazione, salvataggi e risparmi GPU provengono da valutazioni interne e non da benchmark indipendenti, mentre Microsoft decide quali modelli e scenari utilizzare come termine di paragone.
Il punto economico, tuttavia, non dipende da un singolo benchmark. Nadella ha osservato che il software AI introduce per la prima volta un costo marginale significativo per ogni interazione. Quando funzioni generative vengono eseguite continuamente in prodotti utilizzati da centinaia di milioni di persone, token consumati, tempo GPU e costo di servizio determinano direttamente la sostenibilità del prodotto. Una riduzione dell’84% dei costi di calcolo non rappresenta quindi un miglioramento accessorio, ma può stabilire se una funzione sia profittevole o strutturalmente in perdita.
Microsoft sta trasformando questa metodologia anche in un’offerta Azure. Attraverso Foundry e Frontier Tuning, le aziende possono utilizzare valutazioni proprietarie e ambienti di reinforcement learning per addestrare modelli specializzati sui propri processi. Il sistema sviluppato per ridurre internamente i costi di Copilot, Excel e degli altri prodotti diventa così una piattaforma commerciale destinata alle imprese che vogliono costruire modelli più piccoli, controllabili e adatti a carichi specifici, indipendentemente dal fornitore del modello di partenza.
La società sottolinea inoltre che i modelli MAI vengono addestrati su dati definiti puliti, tracciabili e di livello aziendale, senza distillazione o derivazione da modelli di terze parti. La provenienza dei dati diventa parte della proposta commerciale in un mercato esposto a controversie sul copyright, sulla conformità e sulla ricostruzione delle fonti di addestramento. L’approccio è già stato esteso a Copilot Chat, Outlook e PowerPoint.
MAI-Image-2.5-Pro e MAI-Voice-2-Flash sono disponibili in anteprima pubblica tramite Microsoft Foundry e MAI Playground. Il loro ruolo va oltre l’introduzione di due nuovi modelli: costituiscono la prova che Microsoft sta costruendo un livello proprietario di inferenza destinato alle funzioni più frequenti dei propri prodotti, con l’obiettivo di ridurre la dipendenza economica e tecnica dai modelli di frontiera senza rinunciare a utilizzarli quando risultano realmente necessari.