Microsoft iguala a GPT-5.6 en Excel con un modelo más barato y de GPU más antigua

Microsoft ha estado construyendo silenciosamente su propia familia de modelos de IA, y los últimos resultados sugieren que la estrategia está dando frutos. La empresa ahora ejecuta un modelo MAI dentro de Excel que, según sus propias métricas, se desempeña a la par de GPT-5.6 en las tareas de hoja de cálculo más comunes, mientras cuesta menos de servir. El propio GPT-5.6 fue elogiado por los primeros clientes por reducir las llamadas a herramientas hasta en un 48% y reducir las ejecuciones atascadas, como la apuesta más amplia de Microsoft por los modelos pequeños deja claro.

Los números de la actualización del 23 de julio de Microsoft muestran lo que los modelos MAI ya entregan dentro de GitHub Copilot. MAI-Code-1-Flash, implementado desde junio, tiene una tasa de aceptación de código un 10% más alta que GPT-5.4 Mini y Claude Haiku 4.5 en VS Code. Los desarrolladores que usan el modelo tienen un 6% más de probabilidad de regresar a lo largo de varios días en comparación con GPT-5.4 Mini, y un 11% más de probabilidad que con Claude Haiku 4.5. El uso mediano de tokens es un 10% menor que ambos competidores, con más turnos iniciados por el usuario. El ahorro de tokens se acumula rápido cuando los costos son por token, como muestran las tasas de consumo de los agentes de codificación de IA.

Microsoft luego tomó el mismo punto de control MAI-Code-1-Flash, originalmente entrenado para codificación agéntica, y realizó entrenamiento adicional en un entorno de aprendizaje por refuerzo de Excel. Eso movió el modelo de escribir código a navegar por herramientas de hoja de cálculo y flujos de trabajo de conocimiento. El tráfico temprano de producción muestra que el modelo resultante iguala a GPT-5.6 para tareas comunes de Excel. El método de hill-climbing, presentado en Build en junio, permite un ajuste fino continuo alimentando al modelo evaluaciones específicas del producto y datos de arnés a los que solo Microsoft tiene acceso. Los escépticos señalan que la evolución del arnés puede verse bien en tareas de entrenamiento pero fallar en tareas no vistas.

La ventaja de costos va más allá del modelo en sí. Microsoft dice que el modelo MAI de Excel puede servirse en GPUs de clase Nvidia H100 y A100, sin requerir los aceleradores de última generación. Eso reduce el capital necesario para la implementación. Las flotas de nube existentes siguen siendo relevantes. En una industria donde los presupuestos de GPU están bajo presión constante, la capacidad de ofrecer un rendimiento competitivo en hardware más antiguo es una ventaja real. También significa que los clientes más pequeños pueden permitirse la inferencia sin esperar los chips más nuevos. Esto refleja el patrón donde los modelos especializados y más estrechos superan a los generales en métricas prácticas.

Más allá de Copilot y Excel, Microsoft planea aplicar el mismo enfoque de hill-climbing a Copilot Chat, Outlook, PowerPoint y al resto de su familia de productos agénticos. La empresa puso recientemente en disponibilidad general Microsoft Discovery, una plataforma para construir flujos de trabajo de IA agéntica gobernada en ciencia e ingeniería. Combinar esa infraestructura con modelos MAI especializados entrenados dentro de cada producto le da a Microsoft una pila de IA verticalmente integrada que los rivales no pueden replicar fácilmente.

Microsoft apuesta a que la eficiencia específica de la tarea y la flexibilidad de implementación importan más que superar todos los puntos de referencia. Los modelos frontera competidores aún pueden ganar en puntuaciones brutas, pero Microsoft puede poner un modelo barato y competente dentro de cada producto de Office, cada herramienta de desarrollador y cada flujo de trabajo empresarial. Esa ventaja de escala no aparece en las tablas de clasificación, pero sí en las facturas mensuales de la nube, una estrategia donde la orquestación supera al tamaño bruto del modelo.