MAI Code 2 y Code 2 Flash
Los nuevos modelos MAI Code 2 y Code 2 Flash de Microsoft buscan rivalizar con los asistentes de programación propietarios de OpenAI y Anthropic a una fracción del precio, y Microsoft afirma una paridad casi total en benchmarks como DeepSWE y Terminal Bench. Los comentaristas sienten curiosidad por el posible ahorro de costes, pero cuestionan el uso de versiones antiguas de los benchmarks, la verdadera brecha de rendimiento frente a modelos chinos líderes como DeepSeek y Qwen, y si las empresas cambiarán realmente de proveedor. Muchos también critican la historia fragmentada y opaca de producto y precios de Microsoft, especialmente en torno a GitHub Copilot y el acceso a Azure, y sostienen que la facilidad de uso, la integración y la UX pueden importar más que la calidad bruta del modelo.
Rendimiento del modelo y benchmarks
- A muchos les impresiona que Microsoft haya comparado MAI Code 2 / Flash directamente con Claude Opus y OpenAI Sol, pero varios desconfían de los benchmarks de lanzamiento, especialmente para modelos de programación.
- Algunos señalan que Microsoft usó versiones antiguas de benchmarks clave (DeepSWE 1.1, Terminal Bench 2.1, FrontierCode 1.1), y lo califican de engañoso dado que existen versiones más nuevas y difíciles.
- Un desglose comparativo posterior en el hilo afirma que MAI Code 2 se sitúa aproximadamente al nivel o por debajo de Qwen de la generación anterior y por detrás de DeepSeek V4.1 Flash en varios benchmarks de programación, lo que sugiere que los modelos son sólidos pero no líderes de frontera.
Precios y posicionamiento competitivo
- La afirmación principal: MAI Code 2 ofrece ~98% del rendimiento de programación de Sol 6.1 y ~96% del de Opus 5.5 a una fracción del costo (20–40% frente a Sol; ~5% frente a Opus).
- Algunos sostienen que Microsoft simplemente podría estar bajando precios para ganar cuota y aun así obtener beneficios, dadas las márgenes de los hyperscalers y el hecho de “poseer el hierro”.
- Otros creen que incluso si MAI queda un poco por detrás del SOTA, ser mucho más barato basta para muchas empresas.
Modelos de programación especializados frente a “un gran modelo”
- Varios ven MAI Code 2 como prueba de que los modelos especializados en programación pueden igualar o superar a grandes modelos generalistas en código, desafiando la ortodoxia de “un modelo para gobernarlos a todos”.
- Otros señalan que trabajos y modelos previos (DeepSeek, Qwen) ya respaldan esto, especialmente cuando se combinan con buenos harnesses y herramientas.
Competencia con OpenAI, Anthropic y laboratorios chinos
- Hay amplio acuerdo en que OpenAI/Anthropic van por delante, pero solo por unos meses; algunos ven esto como un foso frágil que requiere correr constantemente.
- Debate sobre si los laboratorios chinos dependen mucho de la destilación desde APIs de frontera; la evidencia es mixta y se describe como poco clara.
- Algunos argumentan que las medidas anti-destilación han ampliado la brecha entre modelos cerrados y abiertos; otros señalan las crecientes ofertas abiertas y casi de frontera como contraevidencia.
Acceso, UX y Copilot
- Varias quejas indican que las ofertas de IA de Microsoft son difíciles de descubrir y usar: no hay un playground obvio, claves de API ni páginas de precios simples; los modelos quedan “ocultos” en Azure o bloqueados detrás de Copilot.
- MAI Code 2 está accesible actualmente sobre todo a través de GitHub Copilot y de una vista previa limitada en Microsoft Foundry, con promesas de OpenRouter, Vercel y otros “pronto”.
- Varios usuarios informan de poco valor en las suscripciones de GitHub Copilot en comparación con Claude Code / Codex, citando cuotas ajustadas, personalización limitada (p. ej., revisión de código) e integración confusa.
- Un usuario probando MAI Code 2 en Copilot informa que manejó problemas complicados de Python/WSL y de despliegue en Azure de forma comparable a Opus.
Productización, marca y diseño
- Algunos elogian la UX general de Anthropic y sus integraciones “agentic” como significativamente mejores que las de Microsoft y OpenAI, argumentando que la UX y la distribución pueden importar más que la calidad bruta del modelo.
- Discusión sobre la marca de Microsoft: si “Copilot” se está acotando a un harness específico; cierta molestia por los cambios constantes de marca (por ejemplo, Entra).
- Varios señalan que el estilo visual del sitio microsoft.ai se parece al de Anthropic/Claude; las opiniones van desde “burlesco” hasta “el mejor sitio de MS hasta ahora”.
- Un hilo secundario explica la combinación de tipografía con encabezados en serif y cuerpo en sans como una elección común de tipografía web.
Hardware, pesos abiertos y modelos locales
- Algunos esperan que, a medida que el hardware de consumo capaz de ejecutar modelos “lo bastante cercanos” (Qwen, DeepSeek, Kimi, etc.) se vuelva asequible, los fosos de los modelos cerrados se erosionen.
- Otros responden que los proveedores de inferencia en la nube que sirven modelos de pesos abiertos ya son tan baratos que ejecutar localmente apenas gana en coste una vez se incluye el hardware.
Cabos sueltos y preocupaciones
- Preguntas sobre el destino de los modelos Phi de Microsoft; algunos los encontraron sobrebenchmarkeados y débiles fuera de distribución.
- A algunos les gustaría que Microsoft aplicara esta capacidad de IA para arreglar el bloat de Windows o el soporte de F#.
- Un comentario muy negativo apunta a la postura de Anthropic sobre la regulación de modelos de pesos abiertos, con la esperanza de que la presión del mercado (incluida la competencia de MAI) castigue esa estrategia.