Microsoft lança o seu trio de IA desenvolvido internamente e afirma que até 2027 irá criar modelos avançados de grande escala de forma autónoma

A empresa de tecnologia dos EUA, a Microsoft, anunciou na quinta-feira que 3 modelos de IA desenvolvidos internamente foram oficialmente lançados para uso comercial alargado, mostrando os esforços da empresa para se afastar da dependência do parceiro de longa data OpenAI.

Em concreto, os modelos MAI-Transcribe-1, MAI-Voice-1 e MAI-Image-2, desenvolvidos pela equipa de IA superinteligente da Microsoft, cobrem as 3 capacidades de maior valor comercial na IA empresarial — transcrição de voz, geração de voz e criação de imagens.

（Atualização anunciada pelo CEO da Microsoft, Nadella; fonte: X）

A Microsoft afirmou que o MAI-Transcribe-1 tem a maior precisão entre os modelos de transcrição mais usados no mercado. Nos testes que abrangem todas as línguas, a sua taxa média de erro é de 3,9%. Já o erro do GPT-Transcribe da OpenAI é de 4,2%, e do Gemini 3.1 Flash é de 4,9%.

O modelo de geração de voz MAI-Voice-1, segundo alegações, consegue gerar áudio de 60 segundos em menos de um segundo com uma “GPU única” e manter a consistência da voz na geração de conteúdos longos.

O MAI-Image-2 foi lançado pela primeira vez a 19 de março e, na quinta-feira, também avançou juntamente com os outros dois modelos para uso comercial alargado. Atualmente, no ranking de texto para imagem do “Large Model Arena”, este modelo ocupa o terceiro lugar, apenas atrás do produto de sucesso da Google, Nano Banana 2, e do GPT-Image 1.5 da OpenAI.

Comparando horizontalmente os preços, o preço inicial para entrada de texto do MAI-Image-2 é de 5 dólares por 1 milhão de tokens, e a saída de imagens é de 33 dólares por 1 milhão de tokens. O modelo de geração de imagens Gemini 3 Pro da Google custa 120 dólares por 1 milhão de tokens, enquanto o Gemini 3.1 Flash custa 60 dólares por 1 milhão de tokens.

Objetivo: desenvolver de forma independente modelos fundamentais de ponta

A mais recente iniciativa da Microsoft tem origem em outubro do ano passado, altura em que a empresa reestruturou a sua parceria com a OpenAI, permitindo que a Microsoft prosseguisse, por si só ou em conjunto com terceiros, os direitos de procura da inteligência artificial geral. O acordo anterior, embora permitisse que a Microsoft utilizasse a propriedade intelectual da OpenAI, ao mesmo tempo proibiu o desenvolvimento de sistemas de IA concorrentes.

O CEO de IA da Microsoft, Mustafa Suleyman, afirmou publicamente que o objetivo desta equipa para 2027 é “alcançar verdadeiramente o estado da arte”, incluindo modelos capazes de responder ou gerar texto, imagens e áudio.

Suleyman explicou que a empresa está a construir o poder de computação necessário para treinar os modelos e que, desde outubro do ano passado, tem vindo a implementar os chips Nvidia GB200.

Disse: “A partir daí, vamos melhorar progressivamente, ao longo dos próximos cerca de 12 a 18 meses, até atingirmos a capacidade de computação de uma escala de ponta.”

Como cofundador da Google DeepMind, Suleyman entrou para a Microsoft em 2024, ficando responsável por integrar a IA nos seus produtos de consumo. Depois de a Microsoft e a OpenAI terem fechado um acordo em outubro do ano passado, Suleyman assumiu a liderança do grupo de IA superinteligente da Microsoft a tempo inteiro em novembro. Na reestruturação interna do mês passado, as responsabilidades de Suleyman foram reduzidas ao desenvolvimento de modelos, enquanto o antigo executivo da Snap, Jacob Andriio, assumiu o produto Copilot da Microsoft orientado para utilizadores empresariais e individuais.

Suleyman disse à imprensa: “O que queremos sublinhar é que é importante, nos próximos três a cinco anos, avançar com capacidades próprias de IA de ponta e cumprir esta missão estratégica de autonomia a longo prazo.” Acrescentou também que a empresa continuará a alojar modelos desenvolvidos por outras empresas.

Do ponto de vista de longo prazo, o acesso profundo da Microsoft à propriedade intelectual da OpenAI expira em 2032, pelo que o desenvolvimento de modelos fundamentais próprios também constitui uma importante forma de mitigar riscos.

O negócio de modelos próprios da Microsoft, que está agora a dar os primeiros passos, também tem muitas limitações, o suficiente para demonstrar que a equipa de Suleyman terá muito trabalho para concluir no próximo ano.

Por exemplo, o MAI-Image-2 atualmente só suporta a proporção 1:1, não oferecendo opções horizontais ou verticais; em outras aplicações de IA, também não existem suportes comuns como edição de imagem para imagem nem imagem de referência. O MAI-Transcribe-1 não consegue distinguir diferentes interlocutores numa conversa e também não suporta enviesamento de contexto nem transmissão em fluxo; a Microsoft afirmou que estas três funcionalidades estão em desenvolvimento.

（Fonte: Caixin）