A Microsoft usou o palco do Ignite, sua conferência anual para desenvolvedores e clientes corporativos, para apresentar de uma só vez sete modelos de inteligência artificial criados internamente. O argumento comercial da divisão Microsoft AI (MAI) é objetivo: derrubar o gasto com tokens — a unidade que mede o processamento consumido em cada chamada a um modelo — de empresas dispostas a manter agentes digitais operando sem interrupção. O pacote cobre programação, segurança da informação, edição de imagens, voz e decisões de fluxo de trabalho, e a régua escolhida para medir desempenho é a família de modelos da OpenAI, sócia da companhia e, ao mesmo tempo, sua principal fornecedora externa de IA.

O formato concentrado repete a estratégia de junho, quando a empresa juntou lançamentos no Build. A justificativa é econômica: com o consumo de tokens disparando entre clientes que querem agentes rodando sem pausa, a relação entre preço e performance virou o critério central dos projetos. A própria Microsoft reconhece o limite da linha de código, voltada a tarefas corporativas corriqueiras e ainda não ajustada a trabalhos mais pesados, como pesquisa fundamental ou fluxos agênticos de horizonte longo — cadeias de decisões que se estendem por muitas etapas sem supervisão humana.

Código: 98% do GPT-6.1 Sol por 40% do custo

Na média de quatro benchmarks, o MAI Code 2 entrega 98% do desempenho do GPT-6.1 Sol consumindo 40% do orçamento que o concorrente exigiria, segundo a Microsoft. Diante do Claude Opus 5.5, da Anthropic, a conta é ainda mais agressiva na versão da companhia: 96% de performance por 5% do custo. Os testes citados são DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas e FrontierCode v1.1 — três deles rodaram na plataforma interna MSBench, com o CLI do GitHub Copilot e sem subagentes. O cálculo embute desconto promocional de 50% no modelo próprio, detalhe metodológico que ajuda a explicar números tão favoráveis.

Em avaliações cegas de front-end — interfaces, jogos, visualizações de dados e gráficos SVG —, avaliadores humanos preferiram a saída do MAI Code 2 em 64% das comparações contra o GPT-6 Sol. O MAI Code 2 Flash, sucessor do MAI-Code-1.1-Flash, foi desenhado para explicar código, aplicar correções pontuais e resolver manutenções de rotina; a empresa diz que ele empata com GPT-6 Luna e Claude Haiku 5.5 consumindo, respectivamente, 65% e 20% dos orçamentos rivais.

Do mesmo tronco nasceu o MAI Work Flash, embarcado no Microsoft 365 e no Fabric IQ. Em testes internos de Excel e PowerPoint, o desempenho iguala o GPT-6 Luna; no Word, fica próximo ao GPT-6.1 Sol com cerca de 42% menos tokens de entrada. Para gerar consultas DAX no Power BI, supera GPT-5.6 Sol, GPT-6 Astra e Opus 5.5.

Modelo no GitHub CopilotEntrada por milhão de tokensSaída por milhão de tokensVigência
MAI Code 2US$ 0,50US$ 2,50promocional até 17 de maio de 2027; depois US$ 1 e US$ 5
MAI Code 2 FlashUS$ 0,05US$ 0,25mesma janela; depois US$ 0,10 e US$ 0,50
MAI Cyber 2 FlashUS$ 0,10US$ 0,50GPT-6 Astra aparece a US$ 10 e US$ 50
Microsoft-Decision-1.1US$ 0,042 (US$ 0,05 na zona de dados da UE)sem cobrançapreço de tabela

Segurança: 92,3% no CyberGym e uma correção de rota

No CyberGym-E2E, prova que simula a exploração de falhas de ponta a ponta, o MAI Cyber 2 Flash resolve 92,3% das tarefas. O GPT-6 Astra chega a 91,5%, mas precisaria do dobro do orçamento de raciocínio, segundo a Microsoft. Considerando cada tarefa isoladamente, o modelo da casa custa menos de 2% do rival, com preço por token na casa de um centésimo. No WebExploitBench, marca 40,4% contra 38,4% do GPT-5.6 Cyber.

A metodologia ganhou ajuste. A companhia detectou que 10% das cerca de 900 tarefas do CyberGym se apoiavam nos mesmos projetos de código aberto e relatórios de vulnerabilidade usados em parte do seu treinamento — as soluções de referência, garante, nunca entraram no material de treino. Ainda assim, todas as tarefas com sobreposição foram removidas para todos os modelos, e a nota final considera apenas o restante. Faltam números contra o GPT-6 Cyber, restrito a clientes selecionados, e os testes agênticos com ferramentas exigem salvaguardas adicionais; os resultados devem sair nas próximas semanas.

A janela de contexto chega a 1 milhão de tokens, quatro vezes o MAI Cyber 1.1 Flash, e os tokens de saída custam 86% menos que os do antecessor. Os modelos Cyber já respondem por quase 40% das varreduras na MDASH, plataforma de segurança da Microsoft. Na conta final por tarefa, o Cyber 2 Flash sai por US$ 0,45 no CyberGym-E2E, contra US$ 34,38 do GPT-6 Astra.

Imagem: liderança por 4 pontos e custo cinco vezes menor

No ranking de edição de imagens da Artificial Analysis, o MAI Image 2.7 soma 1.215 pontos de Elo a partir de 5.478 votos — quatro pontos acima do GPT Image 2.6 Sunburst (max), a um quinto do preço. Na geração de imagem a partir de texto, aparece em quarto lugar. O custo fica em torno de US$ 35 por 1.000 imagens; a variante Flash, cerca de US$ 10.

O modelo altera cor, material ou posição de objetos específicos sem mexer no resto da imagem e produz fundos transparentes. A versão Flash, que custa menos de um terço, alimenta o Canvas, novo editor do MAI Labs. O MAI Image é padrão no Bing Image Creator desde junho, e a empresa cita uso por Adobe, Figma Weave, Minute (Sports Illustrated), Wirestock e Manus.

Voz: MAI Realtime 1 e a porta de entrada pela API da OpenAI

Primeiro modelo de fala para fala da Microsoft, o MAI Realtime 1 foi projetado para lidar com interrupções, esperar o interlocutor terminar e reconhecer pedidos mesmo com ruído de fundo. Em tarefas mais duras, recorre a um motor de raciocínio mais potente, cobrado por token; a tarifa básica é por minuto de áudio. A companhia diz que supera o GPT Realtime 2.1 no Big Bench Audio, no τ-Voice e em testes com o Dynamics 365. Como é compatível com a OpenAI Realtime API, aplicativos de voz existentes migram sem grande esforço — Agoda e Reservations.ai estão testando. O plano inclui levar o modelo ao Dynamics 365 Contact Center e ao Dragon Copilot, onde enfermeiros ensaiariam conversas com pacientes.

O Dragon Copilot Transcribe, baseado no MAI Transcribe 2, já concentra todas as transcrições de consultas do Dragon Copilot: 10 milhões de conversas por mês, com queda de metade na taxa de erro em fluxos multilíngues. Nos modelos grandes, a Microsoft passou a usar o chip Maia 200, segunda geração do seu acelerador, que entrega 1,7 vez mais tokens por watt. O preço é de 1 centavo de dólar por minuto de áudio, com raciocínio cobrado à parte: US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de saída.

Roteamento: Decision 1.1 troca Qwen por Gemma, do Google

O Microsoft-Decision-1.1 cuida de roteamento, classificação, priorização e controle de fluxo. Escolhe entre ações aprovadas pelo desenvolvedor e devolve pontuações calibradas de confiança; quando a incerteza sobe, o aplicativo pode escalar em vez de agir sobre uma decisão ruim, e diante de informação incompleta o modelo foi desenhado para se abster. A base mudou: saiu do Qwen3.5-9B e passou ao Gemma 4 26B A4B, modelo de mistura de especialistas do Google, treinado com ajuste fino supervisionado e aprendizado por reforço sobre centenas de conjuntos sintéticos e licenciados, rodando em motor de inferência próprio.

No Decision Index v2.1, da Artificial Analysis, marca 68 pontos — seis acima do antecessor e à frente de Jev 1.14, Gemini Decision 1 e GPT-6 Luna (Decisions). Em 102 testes internos com mais de 385.000 perguntas, obteve a melhor acurácia média entre oito modelos de decisão. Passou a aceitar imagens, inclusive capturas de tela, e no Copilot define se a solicitação vai para o Copilot ou para o Cowork, com precisão equivalente à de um grande modelo de linguagem, mas 2,2 vezes mais rápido e 4,4 vezes mais barato. A saída é gratuita; a entrada custa US$ 0,042 por milhão de tokens.

O Book of News do Ignite traz ainda o Microsoft-Retriever-1, que busca informações em documentos corporativos para agentes do Foundry IQ: em vez de uma consulta única, planeja buscas, avalia resultados e faz perguntas de acompanhamento até reunir material suficiente. Chega em prévia, e o Model Router do Foundry passa a escolher automaticamente em um conjunto maior de modelos.

Pesos licenciados: ajuste fino dentro do Azure do cliente

Com o MAI Licensed Weights, empresas ajustam modelos da casa com dados próprios e os executam no próprio ambiente Azure. Dados e customizações ficam com o cliente, e a Microsoft só usaria esse material para treinar seus modelos com consentimento explícito. O discurso é posicionar a oferta como alternativa aos pesos abertos, cuja origem e comportamento são difíceis de auditar. A AT&T aparece como exemplo: um modelo customizado para análise de operações de rede 5G teria superado o GPT-6.1 Sol em tarefas padrão por cerca de um cinquenta avos do custo. Data de lançamento e preço seguem indefinidos — o interessado deve procurar o time comercial, e a chegada está prevista para breve pelo programa Frontier Company.

Onde os modelos já aparecem

MAI Code 2 e MAI Code 2 Flash estão no GitHub Copilot, com o Flash também em prévia limitada no Foundry; OpenRouter, Vercel, Hermes, Open Code e Kilo devem entrar na sequência. MAI Image 2.7 e Flash estão em prévia pública no Foundry e em fal, Genspark, OpenRouter e Vercel. Decision 1.1 tem disponibilidade geral no Foundry, no OpenRouter e no AI Gateway da Vercel. MAI Realtime 1 pode ser testado no MAI Labs e está em prévia no Foundry, gratuito até o lançamento da prévia pública. O Cyber 2 Flash é exclusivo dos produtos de segurança: no MDASH, substitui automaticamente o modelo atual no perfil MAI de clientes elegíveis a partir de meados de dezembro.

O que isso significa para o investidor

A primeira leitura é de preço. Ao colocar modelos próprios ao lado dos da OpenAI e da Anthropic com tarifas de um dígito de dólar por milhão de tokens, a Microsoft joga pressão deflacionária sobre a camada de inferência — o estágio em que o modelo já treinado responde a pedidos. Se a lógica de custo por tarefa se firmar, a diferenciação entre provedores migra do benchmark para a fatura, e laboratórios que dependem de margem alta em API tendem a rever tabelas.

A segunda é de captura de valor dentro da própria Azure. A empresa ganha quando revende modelos de terceiros e também quando desloca demanda para modelos que controla, com inferência em infraestrutura própria — o Maia 200, com 1,7 vez mais tokens por watt, ataca justamente o item que mais pesa no custo de servir agentes que não param. O desconto promocional válido até 17 de maio de 2027 é a variável a acompanhar: o preço cheio, a partir de US$ 1 e US$ 5 por milhão de tokens no Code 2, dirá se a vantagem divulgada sobrevive à realidade comercial.

A terceira é de dependência e de risco de execução. O modelo de decisão roda sobre Gemma, do Google, o que mostra como até gigantes recorrem a blocos abertos de rivais em funções de bastidor. Já a correção do benchmark de segurança, com a retirada de tarefas que tocavam dados de treino, evidencia que números divulgados por fornecedores devem ser lidos com método. Vale lembrar o pano de fundo societário: desde abril, a parceria com a OpenAI foi reestruturada, a OpenAI pode vender por qualquer nuvem, a Azure segue como nuvem principal e a Microsoft mantém licença não exclusiva sobre modelos e produtos da parceira até 2032. Ou seja, a companhia constrói a alternativa caseira sem abrir mão do acesso ao catálogo alheio — posição confortável em qualquer cenário de disputa por preço.