Microsoft AI convirtió la eficiencia de tokens en un foco competitivo y prioriza modelos pequeños especializados por sobre los modelos frontera de propósito general.
El CEO de IA de la compañía, Mustafa Suleyman, plantea que la industria tiene que sopesar el máximo rendimiento frente al costo. En lugar de un único modelo para todo, la empresa entrena modelos compactos para campos específicos.
¿Qué tan barato es especializar?
Su modelo de ciberseguridad más reciente, MAI-Cyber-1-Flash, encabeza el benchmark CyberGym por 12 puntos porcentuales sobre Mythos de Anthropic y a la mitad del costo, según Suleyman. Pero ese resultado exige el sistema MDASH, que orquesta varios modelos y todavía deriva las tareas difíciles a los modelos de razonamiento de OpenAI. Microsoft también afirma que MAI-Image-2.5-Flash recorta los costos de GPU hasta en un 84% frente a GPT-Image-2.
Suleyman quiere además modelos intercambiables que eviten que Microsoft dependa de una sola familia de modelos. Queda en duda si los pequeños modelos MAI, que reemplazan en parte a OpenAI, podrán igualar su rendimiento.
¿Por qué la pelea se mueve a los orquestadores?
La competencia se está desplazando de los modelos individuales a los harnesses, el software que enruta las tareas y aporta el contexto. Los orquestadores envían la mayor parte del trabajo a especialistas más baratos y reservan los modelos frontera para los casos difíciles. Anthropic modeló este enfoque para Claude Fable 5, mientras que Sakana construyó Fugu en torno a la misma idea.
