Sete novos modelos com preço-desempenho escalável

O lançamento pela Microsoft de sete novos modelos MAI no Ignite, apresentados como de qualidade próxima à fronteira com preços muito mais baixos do que os da Anthropic e da OpenAI, é recebido com curiosidade e ceticismo. Comentadores analisam as alegações de benchmark e de “x vezes mais barato”, questionam a falta de pesos abertos e os detalhes técnicos opacos, e observam que os compradores reais são executivos de empresas já inseridos no ecossistema Microsoft. Um tema recorrente é que os LLMs não fronteiriços estão se tornando cada vez mais fungíveis, então a vantagem de longo prazo pode vir menos da qualidade bruta do modelo e mais de preço, integração e controle sobre dados e infraestrutura.

Desempenho dos modelos e alegações de preço

  • A Microsoft anuncia vários modelos MAI (Code 2, Code 2 Flash, Decision 1.1, Image, Transcribe, Cyber) com alegações agressivas de “x mais rápido / x mais barato” em comparação com GPT‑6 Sol, Luna, Opus 5.5, etc.
  • Muitos veem o estilo “50x mais rápido, 79x mais barato que GPT‑6.1 Sol” como marketing ou algo enganoso, especialmente ao comparar um modelo de decisão com um LLM geral.
  • Outros observam que os modelos são especializados por tarefa, então superar um modelo geral em preço/desempenho em tarefas específicas é plausível.
  • Alguns usuários relatam que o MAI Code 2 parece próximo de Sol/Opus para programação e é significativamente mais barato; os modelos de imagem e transcrição da MAI também são descritos como bons e baratos.

Benchmarks, métricas e ceticismo

  • Vários comentaristas criticam a formulação “x vezes mais barato” e benchmarks recortados ou saturados.
  • Outros argumentam que razões são mais claras para orçamento do que percentuais, mas há confusão sobre o que “79x mais barato” realmente significa.
  • O Decision 1.1 é relatado como tendo boa pontuação em benchmarks de modelos de decisão de terceiros, embora alguns mencionem uso de versões antigas dos benchmarks e transparência limitada.

Pesos fechados vs abertos

  • Uma grande parte diz que não tocará em modelos de pesos fechados, citando aprisionamento, mudanças silenciosas no modelo e risco de descontinuação.
  • Outros rebatem que a maioria das empresas não se importa com pesos abertos; elas se importam com segurança, conformidade e custo.
  • Alguns argumentam que a Microsoft deveria abrir os pesos de pelo menos um modelo forte para construir presença mental e um ecossistema no estilo “Linux da IA”.

Estratégia da Microsoft, ecossistema e confiança

  • Muitos veem isso como uma aposta para conquistar gastos corporativos: fortemente integrado ao Azure, 365, GitHub Copilot, e vendido “para cima” como a Microsoft clássica.
  • Alguns acham que os modelos serão roteados automaticamente dentro do Copilot, com empresas sendo levadas a usá-los por contratos já existentes.
  • A confiança na marca é mista: alguns destacam Azure Gov e garantias de segurança; outros citam quedas, telemetria, mudanças opacas e falhas de produtos passados (por exemplo, Windows Phone) como razões para desconfiança.

Comoditização, concorrência e Anthropic/OpenAI

  • Tema forte de que modelos não fronteiriços estão se tornando utilidades fungíveis; preço por token e proteção de dados dominam.
  • Vários veem isso como pressão direta sobre os preços altos da Anthropic e da OpenAI, e sobre a narrativa de IPO da Anthropic.
  • Debate sobre fossos competitivos: muitos dizem que os modelos têm pouco fosso; outros acham que marca, integrações e aplicativos e fluxos de trabalho “estilo Copilot” de nível superior se tornarão o verdadeiro aprisionamento.

Experiência do desenvolvedor e acesso

  • Alguns ficam felizes com esses modelos chegando além do GitHub Copilot; outros reclamam que usar MAI ainda exige fluxos do Azure/Microsoft em vez de APIs neutras como OpenRouter (embora o suporte lá seja prometido).
  • O preço baseado em uso do GitHub Copilot e a percepção de ineficiência já empurraram alguns desenvolvedores para modelos de terceiros mais baratos.