Lo más destacado de Microsoft Build 2026? 7 IA de desarrollo propio aceleran la autonomía, los chips cuánticos registran un salto de 1.000 veces

Microsoft lanzó simultáneamente siete nuevos modelos de IA, todos integrados en la familia MAI (Microsoft AI). Estos modelos cubren un espectro completo de capacidades, incluyendo razonamiento, programación, visión, voz y multimodalidad, marcando una fase de implementación crítica de la estrategia de "autonomía" de IA de Microsoft.

Microsoft describe esta serie de modelos como componentes fundamentales de una "máquina de escalada" (hill-climbing machine), logrando una mejora iterativa mediante la inversión continua en recursos de computación, datos de entrenamiento optimizados y sistemas de evaluación refinados, garantizando que los usuarios se mantengan a la vanguardia de la tecnología.

Los siete modelos lanzados en esta ocasión no buscan simplemente la escala de parámetros; por el contrario, su objetivo es construir una pila completa de capacidades de "pensamiento, razonamiento, ejecución y programación" para dar soporte a los sistemas de agentes de IA de próxima generación.

Los productos principales incluyen la serie MAI Thinking de modelos de razonamiento, modelos de programación ultraeficientes, modelos de visión y multimodales, modelos ligeros para sistemas de agentes y modelos especializados optimizados para escenarios empresariales y de desarrolladores.

Los dos productos más seguidos son MAI-Thinking-1, el primer modelo de razonamiento insignia de Microsoft, y MAI-Code-1-Flash, un modelo de programación ultraeficiente diseñado específicamente para escenarios de GitHub.

Como arma fundamental en la estrategia de Microsoft para el mercado de IA empresarial, MAI-Code-1-Flash fue entrenado utilizando un conjunto de datos "limpio y con licencia" de extremo a extremo, y actualmente se está desplegando por lotes para los usuarios individuales de GitHub Copilot en VS Code.

Los usuarios pueden cambiar manualmente al modelo a través del menú de selección de modelos o permitir que el selector automático del sistema lo asigne de forma inteligente según la complejidad de la tarea.

Además de MAI-Code-1-Flash, el modelo de razonamiento MAI-Thinking-1 de Microsoft es igualmente notable. El anuncio más significativo es la primera presentación por parte de Microsoft de una familia de modelos de razonamiento: MAI Thinking.

Los modelos de razonamiento se están convirtiendo en el nuevo campo de batalla para la competencia de IA en 2026. A diferencia de los modelos de chat tradicionales que se centran en la interacción del lenguaje natural, los modelos de razonamiento enfatizan el pensamiento lógico: desglosar problemas complejos en pasos ejecutables, completar tareas de planificación de cadena larga, manejar razonamientos matemáticos y de código, y respaldar la ejecución autónoma de sistemas de agentes. Esta capacidad se alinea perfectamente con los requisitos fundamentales de las aplicaciones empresariales, convirtiéndose en un terreno estratégico para los gigantes tecnológicos.

MAI-Thinking-1 de Microsoft está dirigido directamente a este mercado. Según datos oficiales, el rendimiento de este modelo de tamaño mediano en los principales puntos de referencia de ingeniería de software es comparable al de los modelos líderes de la industria, acercándose específicamente al nivel de Claude Sonnet 4.6 en capacidades de programación.

Mustafa Suleyman, director de Microsoft AI, admitió en una entrevista con los medios que Anthropic todavía mantiene una ventaja de varios meses, pero enfatizó que Microsoft está reduciendo la brecha a un ritmo asombroso, habiendo logrado un progreso de salto cualitativo en los últimos seis meses.

Desde la perspectiva de la arquitectura técnica, la filosofía de diseño de MAI-Thinking-1 es muy similar a la de la serie Claude de Anthropic: evita la búsqueda ciega de la escala de parámetros en favor de centrarse en la capacidad de razonamiento práctico y la eficiencia. Este enfoque permite que el modelo maneje tareas complejas de manera más efectiva al tiempo que reduce los costos de implementación, lo que lo hace más adecuado para aplicaciones empresariales a gran escala.

Simultáneamente, Microsoft presentó oficialmente su chip cuántico de próxima generación, Majorana 2. El chip es el sucesor del proyecto Majorana que generó controversia en la industria el año pasado y constituye el hito más reciente en el compromiso de 20 años de Microsoft con la hoja de ruta de los "cúbits topológicos". Alejándose de la senda cuántica superconductora seguida por gigantes como Google e IBM, Microsoft ha optado por una ruta técnica más desafiante: utilizar cuasipartículas de Majorana para construir cúbits naturalmente resistentes al ruido.

Desde el punto de vista de las especificaciones técnicas, las mejoras en el Majorana 2 son revolucionarias. El número de cúbits en el chip ha aumentado de ocho en la generación anterior a 12, pero el verdadero avance reside en la estabilidad de los mismos. Según los datos revelados por Microsoft, la vida útil media de los cúbits del nuevo chip supera los 20 segundos, con algunos alcanzando más de un minuto, mientras que el producto de primera generación lanzado el año pasado duraba menos de 12 milisegundos. Esto representa un incremento de más de 1.000 veces en la fiabilidad, un avance que Microsoft compara con "reemplazar la batería de un teléfono que dura un día por una que dura casi tres años".

El Majorana 2 prescindió de los materiales superconductores basados en aluminio utilizados en su predecesor, optando en su lugar por superconductores basados en plomo y actualizando la región activa del semiconductor a una combinación de arseniuro de indio y antimoniuro de indio. Esta nueva combinación de materiales crea una fase topológica más estable, reforzando significativamente la resiliencia de los cúbits frente al ruido ambiental.

Chetan Nayak, investigador y ejecutivo de la división de hardware cuántico de Microsoft, afirmó que este progreso otorga a la empresa la confianza necesaria para reducir a la mitad el cronograma de I+D para un ordenador cuántico práctico, adelantando el objetivo de 2035 a 2029.

Cabe destacar que todo el proceso de I+D del Majorana 2 utilizó diseño asistido por IA. A través del agente Microsoft Discovery, el equipo de investigación aceleró la selección de materiales y la optimización de la arquitectura, acortando drásticamente un ciclo de desarrollo que normalmente tardaría años.

Microsoft no solo demostró avances significativos en computación cuántica, sino que también lanzó un producto revolucionario en el campo de los agentes de IA: Web IQ.

Diseñada específicamente para agentes de IA, esta suite de API de búsqueda reconstruye su arquitectura subyacente basándose en las dos décadas de experiencia técnica de Bing. Su objetivo es abordar los puntos críticos de los altos costos relacionados con la búsqueda y los lentos tiempos de respuesta en las aplicaciones actuales de IA, funcionando como el "cimiento de información" para la era de los agentes.

A diferencia de los motores de búsqueda tradicionales, Web IQ sirve a agentes de IA en lugar de a usuarios humanos. Jordi Ribas, presidente de Búsqueda e IA de Microsoft, explicó en una entrevista que mientras las búsquedas humanas requieren que los motores clasifiquen y muestren resultados, los agentes de IA necesitan fragmentos de información altamente condensados y estructurados para un análisis y uso rápidos sin un consumo excesivo de tokens. En consecuencia, Web IQ reconstruyó toda su arquitectura desde cero, aprovechando los veinte años de acumulación técnica de Bing para proporcionar servicios de búsqueda "a medida" para agentes de IA.

Según datos oficiales revelados por Microsoft, el 95% de las solicitudes pueden responderse en un plazo de 165 milisegundos, lo que representa un promedio de aproximadamente 2,5 veces la velocidad de los competidores del sector; a través de la tecnología de grounding, la información devuelta es más compacta, reduciendo el consumo de tokens en un 60% en comparación con las API de búsqueda tradicionales.

Esta métrica de rendimiento es particularmente crucial en el entorno actual de las aplicaciones de IA. Un informe de McKinsey para el primer trimestre de 2026 indica que el consumo de tokens relacionado con la búsqueda representa el 35% de los costos totales en las aplicaciones de IA, y los casos en los que la latencia de respuesta supera los 300 milisegundos representan el 40%, convirtiéndose en un importante cuello de botella que afecta la experiencia del agente.

La capacidad central de Web IQ radica en su potente funcionalidad de grounding. Ayuda a los agentes de IA a obtener información de Internet confiable y en tiempo real —incluyendo las últimas noticias, precios en tiempo real, inventario dinámico, contenido web, documentación de API e información corporativa—, reduciendo así de manera efectiva los problemas de alucinación de la IA.

Más importante aún, Web IQ no se limita a devolver contenido web; proporciona estructuras de información ejecutables que permiten a los agentes de IA llamar directamente a servicios de sitios web, completar transacciones automáticamente, comprender la semántica de las páginas, operar herramientas en línea e incluso colaborar con agentes externos. Este diseño es sumamente coherente con la estrategia del Protocolo de Contexto de Modelo (MCP) promovida anteriormente por Microsoft, lo que señala una evolución de Internet de "navegadores que leen páginas web" a "agentes de IA que leen servicios".

Durante los últimos cuatro años, Microsoft ha apostado casi todas sus cartas en IA a su asociación con OpenAI. Desde Copilot hasta Azure AI, y desde los servicios empresariales hasta las aplicaciones de consumo, la tecnología de modelos de OpenAI ha constituido el eje central de las capacidades de IA de Microsoft. Sin embargo, a medida que la asociación experimenta ajustes, Microsoft avanza hacia un camino de desarrollo de IA "verdaderamente autosuficiente".

El punto de partida de esta transformación se remonta a la renegociación del acuerdo de asociación entre ambas partes el año pasado. Aunque Microsoft todavía posee una participación de aproximadamente el 27% en OpenAI y mantiene el acceso a largo plazo a modelos avanzados, la compañía ha comenzado internamente a construir de manera explícita una estrategia multimodelo para "eliminar la dependencia de una única fuente".

Mustafa Suleyman, responsable de IA de Microsoft, admitió en una entrevista que la dependencia excesiva de un único socio conlleva riesgos estructurales, y que poseer capacidades internas de I+D es la única forma de garantizar la autonomía estratégica a largo plazo.

Con el rápido ascenso de competidores como Google, Meta y Anthropic en el sector de la IA, Microsoft necesita urgentemente fortalecer su foso tecnológico. Específicamente, la serie de modelos Gemini de Google ha superado al GPT-4o de OpenAI en ciertos puntos de referencia de rendimiento, lo que ha llevado a Microsoft a darse cuenta de que una dependencia excesiva de la tecnología externa podría dejarla en desventaja en la futura competencia por la IA.

Este contenido ha sido traducido por IA y revisado por humanos. Se ofrece solo con fines de referencia e información general, y no constituye asesoramiento en materia de inversión.