Para abarcar el mercado más amplio posible, OpenAI y Anthropic desarrollan modelos cada vez más grandes, capaces de abordar casi cualquier tarea mediante la fuerza bruta.
Estos modelos son las navajas suizas del mundo de la IA. Si se emplean con suficiente potencia, pueden realizar casi cualquier trabajo… pero nadie necesita un modelo de vanguardia (*frontier model*) para resumir correos electrónicos, redactar respuestas o sintetizar notas de reuniones.
Resulta más económico y sencillo entrenar un modelo pequeño y especializado en un dominio concreto, capaz de ejecutar docenas de instancias en un único acelerador. Además, crear tu propio modelo evita que tus aplicaciones se pongan a divagar sobre duendes justo cuando OpenAI sustituye un modelo antiguo —pero muy apreciado— por otro nuevo, o cuando el gobierno de EE.UU. decide que el modelo que utilizas es demasiado peligroso para el público general.
Microsoft parece haber asumido que «más grande no siempre es mejor» y ha creado discretamente un pequeño arsenal de modelos especializados. La familia MAI de Microsoft, presentada en su conferencia para desarrolladores Build el pasado mes de junio, abarca una amplia gama de casos de uso: desde el razonamiento de propósito general y la programación hasta la generación y edición de imágenes, pasando por modelos de voz.
Según un informe reciente de Bloomberg, estos modelos están sustituyendo —lenta pero inexorablemente— a los de OpenAI como motor de las funciones de IA en los productos de Microsoft.
Cuando Microsoft intentaba integrar a toda costa la IA generativa en cada faceta de nuestra vida digital, una «navaja suiza» como GPT-5 resultaba útil. Sin embargo, ahora que el gigante del software sabe cómo utilizarán realmente la IA sus clientes, puede reemplazar un modelo de vanguardia por herramientas más precisas que realizan la misma tarea con la mayor rapidez y el menor coste posibles.
La clave está en el coste reducido; aunque la IA ha demostrado su utilidad en ciertos ámbitos, los responsables financieros aún no tienen claro si es posible comercializarla obteniendo beneficios. Para los proveedores de hiperescala como Microsoft, esto implica que quizás sean necesarios modelos más pequeños.
Redmond describe MAI-Thinking-1 como un «modelo de tamaño mediano que se sitúa entre los más potentes de su categoría» y afirma que «iguala a los modelos líderes en pruebas clave de ingeniería de software, demuestra capacidades avanzadas de razonamiento matemático y es preferido frente a Sonnet 4.6 en nuestras evaluaciones ciegas comparativas realizadas por humanos».
Desconocemos qué considera Microsoft un modelo de tamaño mediano, pero, cuando se trata de IA generativa, el tamaño sí importa. Cuanto mayor es el modelo, mejor y más fiable suele ser, pero también resulta más costoso de ejecutar. Esto se debe a que, al utilizar menos parámetros, el modelo libera memoria y mejora el aprovechamiento del hardware.
Los modelos más pequeños también permiten a Microsoft desplegar la IA adecuada para cada tarea en el momento preciso. Si Redmond detecta un aumento en el tráfico de conversión de voz a texto, la empresa puede activar más instancias del modelo óptimo para esa función, manteniendo los costes bajo control.
Además, Microsoft diseña y fabrica ahora sus propios aceleradores de IA, al igual que hacen Amazon y Google. Sus chips de la serie Maia 200, anunciados en enero, prometen ofrecer un rendimiento comparable al de los chips Blackwell de Nvidia. El uso de chips personalizados permite a los operadores optimizar toda la pila tecnológica de IA —software, hardware y modelos— para lograr una mayor eficiencia.
Microsoft no es el único proveedor de nube a gran escala (“hyperscaler”) que apuesta por modelos más pequeños. Google ha seguido esta estrategia desde el principio con sus familias de modelos Gemini y Gemma, desarrolladas sobre su arquitectura personalizada TPU.
Sin embargo, el caso más parecido al de Microsoft es probablemente el de Amazon.
En los inicios del auge de la IA, Microsoft vinculó su suerte a OpenAI, mientras que Amazon apostó por su rival, Anthropic. Al igual que Microsoft, Amazon ha invertido fuertemente en su propia familia de modelos Nova, así como en aplicaciones y asistentes de programación impulsados por ellos.
Los modelos de frontera de propósito general siguen teniendo su lugar, y es necesario que alguien continúe impulsando la innovación. Perfeccionar herramientas existentes es mucho más sencillo que inventar otras inéditas; por ello, OpenAI y Anthropic siguen siendo valiosas para sus socios de nube a gran escala, quienes están dispuestos a invertir miles de millones para mantenerlas a flote.
Los gigantes de la nube siguen necesitando a los grandes desarrolladores de modelos, pero cuanto menos dependan de ellos, mayores serán sus posibilidades de convertir finalmente la IA en una línea de negocio rentable.
