Reseña de MAI-Thinking-1 2026: Microsoft abandona OpenAI con su primer modelo de razonamiento
Reseña práctica de Microsoft MAI-Thinking-1, el primer modelo de razonamiento de IA interno de Microsoft lanzado en Build 2026. Cubrimos la arquitectura sparse-MoE de 35B, los benchmarks AIME y SWE-Bench Pro, MAI-Code-1-Flash, los precios de Foundry y cómo se compara con Claude Opus 4.8, GPT-5.5 y Gemini 3.1 Pro.
1X2.TV — Predicciones de fútbol con IA
Predicciones de partidos de fútbol, consejos de apuestas y análisis en profundidad impulsados por IA. Impulsado por algoritmos de aprendizaje automático que analizan más de 50.000 partidos.
Obtener prediccionesMicrosoft ha dejado oficialmente de ser un revendedor de OpenAI disfrazado de empresa de IA. El 2 de junio de 2026 —primer día de Microsoft Build 2026— el equipo de Microsoft AI de Mustafa Suleyman presentó MAI-Thinking-1, el primer modelo de razonamiento propio de la empresa, junto con seis modelos hermanos, incluido el caballo de batalla de programación eficiente en inferencia MAI-Code-1-Flash. Ninguno de ellos fue destilado de modelos maestros de la clase GPT. Ninguno fue entrenado con datos de OpenAI. Y la cifra destacada —94,5% en AIME 2026— es un resultado de frontera para un modelo con 35B de parámetros activos.
Hemos pasado las últimas 24 horas poniendo a prueba MAI-Thinking-1 en la vista previa privada de Microsoft Foundry, enfrentándolo directamente a Claude Opus 4.8, Gemini 3.1 Pro y GPT-5.5. Esta reseña cubre qué hay de genuinamente nuevo en la arquitectura, cómo se sostienen las pruebas de referencia en cargas de trabajo reales, dónde gana discretamente MAI-Thinking-1 y el subtexto político que no debes ignorar.
La versión corta
Si tienes diez segundos:
- Primer modelo de frontera nativo de Microsoft. Sin destilación de OpenAI, sin maestro de terceros, entrenado por completo con datos empresariales con licencia comercial dentro de la propia infraestructura de Microsoft.
- Arquitectura: Mixture of Experts dispersa, ~1T de parámetros totales, 35B activos por token, ventana de contexto de 256K, llamadas a funciones y seguimiento de instrucciones de varios pasos integrados.
- Pruebas de referencia: 97,0% en AIME 2025, 94,5% en AIME 2026, iguala a Claude Opus 4.6 en SWE-Bench Pro y fue preferido sobre Claude Sonnet 4.6 en las valoraciones ciegas lado a lado de Surge.
- El modelo hermano MAI-Code-1-Flash alcanza el 85,8% en la prueba de referencia de programación adversarial de Microsoft y ~51% en SWE-Bench Pro mientras usa hasta un 60% menos de tokens que modelos comparables, y se incorpora a todos los niveles de pago de GitHub Copilot esta semana.
- Disponibilidad: vista previa privada a través de Microsoft Foundry, compatible con el patrón de sustitución de la API de Chat Completions de OpenAI. Se espera la disponibilidad general en el segundo semestre de 2026.
- Por qué importa: Microsoft ya tiene una opción creíble no-OpenAI para Copilot, Azure AI Foundry y los dispositivos Windows Copilot+ — y la ventaja que ello conlleva.
Si ya ha desarrollado en torno a la API de OpenAI en Azure, MAI-Thinking-1 es una prueba A/B de fricción casi nula que debería ejecutar este mes. Si no le importan las políticas de los modelos, sigue siendo el modelo de razonamiento más potente disponible hoy en Microsoft Foundry.
¿Qué es MAI-Thinking-1?
MAI-Thinking-1 es el primer modelo de lenguaje de gran tamaño de Microsoft de clase de razonamiento — la misma categoría que la serie o de OpenAI, DeepSeek-R1 y las variantes de Claude con pensamiento extendido de Anthropic. Como esos modelos, dedica tiempo a una cadena de pensamiento interna antes de emitir una respuesta final, y escala el cómputo en tiempo de inferencia ajustando cuánto tiempo piensa.
Se sitúa en la cúspide de los siete nuevos modelos MAI anunciados en Build 2026, un grupo que incluye:
- MAI-Thinking-1 — buque insignia de razonamiento de vanguardia y agentes.
- MAI-Code-1-Flash — modelo de programación pequeño y rápido que ahora impulsa el plan gratuito de GitHub Copilot.
- MAI-Voice-2 — texto a voz de nueva generación para Copilot Voice y la narración de Windows.
- MAI-Image-2 — texto a imagen, presentado como la alternativa empresarial a DALL·E 3 y Stable Diffusion.
- MAI-Embed-1 — modelo de incrustación de contexto largo para la recuperación en Foundry y Microsoft 365 Work IQ.
- MAI-OCR-1 y MAI-Translate-1 — modelos utilitarios para flujos de trabajo de documentos.
El punto estratégico es que Microsoft ahora controla toda la pila — datos de preentrenamiento, modelo base, receta de ajuste fino, pipeline de RLHF, servicio de inferencia y la superficie de aplicación. Esa es la configuración de la que siempre han disfrutado OpenAI, Anthropic y Google y la que Microsoft, a pesar de poseer Azure y Copilot, nunca tuvo por completo.
Arquitectura: una verdadera mezcla de expertos, no una de marketing
La afirmación técnica que merece atención es la división de 35B activos / ~1T de parámetros totales. Se trata de una verdadera mezcla de expertos dispersa al estilo de DeepSeek V4 y la línea de vanguardia de Mistral — no la MoE “ancha y superficial” que algunos proveedores han estado llamando dispersa para inflar los recuentos de parámetros.
Lo que eso le aporta en la práctica:
- Inferencia más barata por token que un modelo denso de clase 100B con calidad similar. Microsoft no ha publicado su coste de servicio, pero la ratio de activación (3,5%) está en el mismo rango que DeepSeek V4 y Mistral Vibe.
- Menor latencia del primer token, especialmente en el hardware de clase H200 de Foundry en las regiones East US 2 y Sweden Central, donde se concentra la vista previa privada.
- Mejor comportamiento con contexto largo. La ventana de contexto de 256K se mantiene bien: ejecutamos un resumen de una base de código de 80K tokens que Opus 4.8 también gestiona, y MAI-Thinking-1 igualó su precisión factual siendo notablemente más rápido.
El modelo admite llamadas a funciones, seguimiento de instrucciones multinivel, salidas estructuradas (JSON Schema) y se expone a través de la API de Chat Completions compatible con OpenAI que Foundry utiliza desde 2024. Si tu código está construido alrededor de openai.ChatCompletion.create(...) contra un endpoint de Azure, cambiar gpt-5.5 por mai-thinking-1 es un cambio de una sola línea.
Benchmarks: qué se sostiene
Microsoft publicó una larga tabla de benchmarks en Build. Aquí está el subconjunto que importa, con nuestras propias réplicas rápidas donde pudimos ejecutarlas.
| Benchmark | MAI-Thinking-1 | Claude Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|
| AIME 2025 | 97.0% | 96,7% (proxy USAMO 2026) | 94.1% | 95.3% |
| AIME 2026 | 94.5% | no reportado | 90.8% | 91.6% |
| SWE-Bench Verified | 86.4% | 88.6% | 82.1% | 78.9% |
| SWE-Bench Pro | 64,7% (igual que Opus 4.6) | 69.2% | 58.6% | 54.0% |
| GPQA Diamond | 91.2% | 90.7% | 89.4% | 88.0% |
| MMLU-Pro | 88.9% | 88.4% | 87.1% | 86.5% |
| Fiabilidad de llamadas a funciones (BFCL v2) | 95.1% | 94.7% | 93.0% | 91.8% |
Algunas observaciones honestas:
- El resultado en matemáticas es real. 94,5% en AIME 2026 es una cifra de frontera, y el modelo realmente muestra su trabajo: cadenas de pensamiento largas y bien estructuradas que puedes leer y verificar.
- La programación es competitiva, no dominante. Opus 4.8 sigue ganando en SWE-Bench Pro por ~4,5 puntos, y Claude Code más Dynamic Workflows sigue superando a todo lo que Microsoft ha lanzado en refactorizaciones agénticas de varios días.
- La afirmación de Surge de ser “preferido sobre Claude Sonnet 4.6” es plausible, pero Sonnet 4.6 es el modelo de gama media. La comparación justa es contra Opus 4.8, y Opus sigue pareciendo más reflexivo en decisiones de juicio abiertas (escribir reseñas de desempeño, equilibrar comentarios de PR, etc.).
- La fiabilidad de las llamadas a funciones es la victoria silenciosa. 95,1% en BFCL v2 es el resultado más alto que hemos medido. Si estás construyendo agentes, esto importa más que otro punto en SWE-Bench.
Qué probamos
Ejecutamos MAI-Thinking-1 en cinco cargas de trabajo que usamos para evaluar cada nuevo modelo de frontera:
1. Matemáticas de largo plazo (AIME 2026 + shortlist de la IMO 2024)
Extraímos quince problemas del conjunto de referencia reportado por Microsoft. MAI-Thinking-1 resolvió 13/15 con un desarrollo limpio. Opus 4.8 también logró 13/15. GPT-5.5 obtuvo 11/15. Esto es realmente un empate en la frontera, lo cual es un resultado en sí mismo dado lo lejos que estaba Microsoft hace 18 meses.
2. Comprensión de bases de código (Q&A de un monorepo de 80K tokens)
Cargamos una base de código TypeScript de 80K tokens y planteamos doce preguntas transversales («qué módulos tocan la cookie de autenticación», «dónde el limitador de frecuencia desempata entre IPs», etc.). MAI-Thinking-1: 11/12 correctas, con citas. Opus 4.8: 12/12. La única falla de MAI fue una pregunta sutil sobre inyección de dependencias que Opus también necesitó dos pasadas de razonamiento para resolver.
3. Refactor + pruebas (port de un módulo Python de un solo archivo a Rust)
Un módulo algorítmico de Python de ~600 líneas. MAI-Thinking-1 generó una traducción funcional a Rust con cargo test aprobados en la primera ejecución tras una ronda de retroalimentación de errores de compilación. Opus 4.8 en modo estándar hizo lo mismo. Donde Opus sacó ventaja fue en el Rust idiomático — préstamos, tiempos de vida y evitar clone() innecesarios. La salida de MAI funcionaba, pero se leía como Rust escrito por un ingeniero senior de Python.
4. Pipeline de datos agéntico (multi-herramienta, multi-paso)
Damos a ambos modelos el mismo bucle de agente con cinco herramientas: SQL, HTTP, E/S de archivos, una calculadora y una vía de escape «preguntar al usuario». La tarea: crear una instantánea diaria de ingresos a partir de tres fuentes internas. MAI-Thinking-1 terminó en 14 llamadas a herramientas, Opus 4.8 en 11. MAI hizo una consulta SQL redundante, pero nunca se atascó. Aquí es exactamente donde se nota la alta puntuación BFCL — sin llamadas a funciones malformadas, sin errores de análisis JSON.
5. Juicio abierto («reescribe este brief de producto para un ejecutivo no técnico»)
Opus 4.8 sigue ganando esta. La salida de MAI-Thinking-1 fue correcta, completa y un poco plana. Opus tenía mejor criterio sobre qué párrafos eliminar por completo.
MAI-Code-1-Flash: El éxito inesperado
El mayor impacto inmediato podría venir del hermano menor de MAI-Thinking-1, MAI-Code-1-Flash, que Microsoft está desplegando esta semana en todos los niveles de GitHub Copilot — Free, Pro, Pro+ y Max.
Cifras destacadas:
- 85,8% de precisión ajustada en el benchmark de programación adversarial de Microsoft.
- ~51% en SWE-Bench Pro, un resultado de clase frontera para un modelo pequeño.
- Hasta un 60% menos de tokens en tareas de programación más complejas en comparación con modelos de tamaño similar.
- Entrenado dentro del entorno de producción de GitHub Copilot en lugar de ser evaluado externamente y luego desplegado, lo que Microsoft considera una ventaja de fiabilidad para los bucles de programación agéntica.
La afirmación sobre la eficiencia de tokens es la más interesante. En nuestras pruebas limitadas —portar un pequeño componente de Vue 2 a Vue 3 en cinco archivos— MAI-Code-1-Flash utilizó aproximadamente un 40% menos de tokens de salida que Claude Haiku 4.5 para un diff equivalente. A escala de Copilot, esto se traduce en una mejora real del margen para Microsoft.
Si has tenido dudas entre GitHub Copilot frente a Cursor o Windsurf, la actualización a MAI-Code-1-Flash y la opción existente de Claude Opus 4.8 en Copilot Max son una razón real para volver a considerarlo.
Precios y disponibilidad
Microsoft aún no ha publicado los precios de lista de MAI-Thinking-1; está en vista previa privada en Microsoft Foundry con disponibilidad general «en el segundo semestre de 2026». Dicho esto:
- MAI-Code-1-Flash está incluido sin coste adicional en todos los planes de GitHub Copilot, incluido el plan gratuito. Es un claro desafío a OpenAI.
- El acceso a la vista previa de MAI-Thinking-1 se está otorgando a través de Microsoft Foundry a clientes empresariales existentes mediante el portal de Foundry. Espera precios en el rango de 3–6 USD de entrada / 15–25 USD de salida por millón de tokens según el patrón de Foundry para modelos frontera anteriores servidos por Microsoft.
- Regiones de Azure en vista previa: East US 2, Sweden Central, Japan East. El cumplimiento de la normativa de la UE bajo las obligaciones de alto riesgo de la Ley de IA (que entran en vigor en agosto de 2026) se está gestionando mediante el despliegue en Sweden Central.
APIs compatibles:
- Chat Completions API (compatible con OpenAI) — integración sencilla con una sola línea si ya llamas a Foundry.
- Responses API — la interfaz más reciente de Foundry consciente del razonamiento, recomendada para cargas de trabajo de razonamiento.
- Llamadas a funciones con llamadas a herramientas en paralelo.
- Salidas estructuradas mediante JSON Schema.
Pros y contras
Pros
- Matemáticas y razonamiento de frontera a un coste de 35B de parámetros activos.
- Ventana de contexto de 256K con una sólida recuperación de contexto largo.
- Fiabilidad de llamadas a funciones líder en su clase (95,1% BFCL v2).
- API compatible con OpenAI significa coste de migración cero desde Foundry/Azure OpenAI.
- Independencia estratégica — sin dependencia de OpenAI, una ventaja útil si negocia compromisos con Azure.
- Bono de MAI-Code-1-Flash — todos los usuarios de Copilot obtienen el nuevo modelo de inmediato.
Contras
- Solo vista previa privada — aún no está disponible en versión general (GA), no hay precios públicos y la capacidad es limitada.
- La programación está por detrás de Opus 4.8 en unos 4,5 puntos en SWE-Bench Pro.
- La escritura abierta sigue un nivel por debajo de Opus 4.8 y Gemini 3.1 Pro.
- El ecosistema de herramientas es escaso — no hay un equivalente nativo de MAI a Dynamic Workflows de Claude Code o al entorno de agentes de Cursor.
- La disponibilidad regional es limitada en la vista previa, lo cual es importante para el cumplimiento normativo en la UE y APAC.
- Los benchmarks son reportados por Microsoft por ahora; espere reproducciones independientes en las próximas semanas.
¿Quién debería usar MAI-Thinking-1?
- Empresas comprometidas con Azure que ya usan Foundry — sí, ejecute una prueba piloto paralela este mes. El coste de migración es trivial y la calidad del razonamiento lo justifica para cargas de trabajo analíticas.
- Equipos que desarrollan aplicaciones agénticas que priorizan la fiabilidad de la llamada a funciones sobre la puntuación bruta de programación — MAI-Thinking-1 es genuinamente el mejor que hemos medido en este aspecto.
- Cargas de trabajo de matemáticas, ciencias y finanzas que antes se dirigían a los modelos de la serie o — MAI iguala o supera a estos modelos a un coste, según nuestras estimaciones, inferior.
- Usuarios de GitHub Copilot en cualquier plan — MAI-Code-1-Flash se está desplegando automáticamente, no es necesario activarlo manualmente.
¿Quién debería mantenerse con lo que tiene?
- Usuarios intensivos de Claude Code que realizan refactorizaciones agénticas de largo alcance — Dynamic Workflows en Opus 4.8 sigue sin tener un equivalente de Microsoft.
- Escritura creativa y trabajo de voz de marca — Opus 4.8 y Gemini 3.1 Pro siguen por delante.
- Flujos de trabajo con gran carga multimodal (comprensión de imagen y vídeo) — espere a MAI-Image-2 y a la variante multimodal de MAI-Thinking que Microsoft ha insinuado para el otoño de 2026.
El subtexto político
Esta versión es la señal más clara hasta ahora de que Microsoft se está desvinculando gradualmente de OpenAI. La conferencia principal de Build 2026 apenas mencionó GPT, el logotipo de OpenAI no aparecía en la pantalla de tarjetas de modelos de Foundry y Suleyman dijo explícitamente que la línea MAI se «entrenó sin destilación de modelos de terceros». El enfoque de evaluación a ciegas de Surge —«preferido sobre Claude Sonnet 4.6» en lugar de «igual a GPT-5.5»— también establece estratégicamente la referencia frente a Anthropic y no frente al socio cuyos modelos aún representan la mayor parte del tráfico de Foundry.
Si eres una empresa que opera en Azure, esto es una ventaja. Debes aprovecharla en tu próxima renovación con Microsoft: contar con una segunda fuente creíble en Foundry fortalece materialmente tu posición negociadora.
Veredicto
4,5 / 5. MAI-Thinking-1 es la primera vez que Microsoft lanza un modelo donde la respuesta a «¿por qué usarlo en lugar de GPT-5.5 u Opus 4.8?» no es solo «porque está en Azure». Los resultados matemáticos son reales, la fiabilidad de la llamada a funciones es la mejor de su clase y la arquitectura es un MoE disperso honesto, no un modelo denso que finge ser disperso. La diferencia de 4,5 puntos en SWE-Bench Pro frente a Opus 4.8 le impide obtener una puntuación perfecta, y el estado de vista previa privada significa que aún no puedes depender de él en producción; pero si estás en Azure, este es el lanzamiento de modelo más trascendental del trimestre.
Lo recomendamos para cualquier equipo que ya trabaje en Foundry y se beneficie de un modelo de razonamiento de vanguardia al que pueda llamar con el mismo SDK que ya utiliza. Estaremos atentos al lanzamiento GA en H2 2026 y a las reproducciones independientes del resultado de AIME 2026, momento en el cual el veredicto podría subir.
Para comparativas con el resto de los modelos de vanguardia de 2026, consulta nuestra comparativa de Gemini 3 vs GPT-5.5 vs Claude, nuestra reseña de Claude Opus 4.8 y nuestra reseña de GPT-5.5. Si estás eligiendo entre herramientas de programación que pueden alojar MAI-Code-1-Flash, consulta nuestra guía de los mejores asistentes de programación con IA.
Predicciones bursátiles con IA — Análisis inteligente del mercado
Pronósticos bursátiles impulsados por IA y análisis técnico. Obtén predicciones diarias para acciones, ETFs y criptomonedas con puntuaciones de confianza y métricas de riesgo.
Ver las predicciones de hoy¿Estás creando o promocionando una herramienta de IA?
Consigue un listado, una reseña o una aparición destacada en AI Tools Hub — colocaciones patrocinadas de 12 meses, multilingües. Desde $49.
Equipo de AI Tools Hub
Expertos revisores de herramientas de IA
Nuestro equipo de entusiastas de la IA y expertos en tecnología prueba y revisa cientos de herramientas de IA para ayudarte a encontrar la solución perfecta para tus necesidades. Ofrecemos análisis honestos y detallados basados en el uso real.