DEV Community

Henry Ramirez
Henry Ramirez

Posted on

MAI Cyber 2 Flash encabeza los modelos MAI de Microsoft

MAI Cyber 2 Flash encabeza los modelos MAI de Microsoft con una promesa concreta: cazar fallos de seguridad todo el día sin disparar la factura. La empresa lo presentó el 17 de noviembre en Ignite, su conferencia en San Francisco, dentro de una familia de siete modelos nuevos con el precio como argumento principal.

En CyberGym-E2E, una prueba de descubrimiento de vulnerabilidades del mundo real, MAI Cyber 2 Flash completó el 92,3 % de las tareas, por encima del 91,5 % de GPT-6 Astra, de OpenAI, y con la mitad del presupuesto de razonamiento. El costo por tarea quedó por debajo del 2 % del rival, con precios de lista de 0,10 dólares por millón de tokens de entrada y 0,50 por millón de salida, frente a 10 y 50 dólares del modelo de OpenAI en Azure.

La ventana de contexto llega a un millón de tokens, cuatro veces la de MAI Cyber 1.1 Flash, y el precio de los tokens de salida bajó un 86 % frente a esa versión. En WebExploitBench, otra prueba de seguridad, marcó 40,4 % frente al 38,4 % de GPT-5.6 Cyber con el mismo presupuesto de razonamiento.

Microsoft AI publicó las cifras con una letra pequeña que merece lectura completa. De las 905 tareas de CyberGym-E2E, 92 comparten proyectos e informes con parte de sus datos de entrenamiento, así que la empresa las excluyó para todos los modelos y reporta el resultado sobre las 813 restantes. Las soluciones de referencia, aclara, nunca entraron en el entrenamiento.

El modelo no se venderá suelto: llega dentro de los productos de seguridad de Microsoft y en MDASH, su sistema de escaneo con agentes, reemplazará al modelo actual del perfil MAI a mediados de diciembre para los clientes que cumplan los requisitos. Los modelos MAI de Microsoft ya corren cerca del 40 % de los escaneos de MDASH, y el 90 % de los que empezaron con un modelo MAI se quedaron con él, de acuerdo con datos de la empresa.

Código barato para el trabajo de todos los días



MAI Code 2 apunta al código empresarial de rutina: llevar un programa a producción, depurar fallos y tocar muchos archivos en un mismo cambio. En el promedio de cuatro pruebas (DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas y FrontierCode v1.1) alcanza el 98 % del rendimiento de GPT-6.1 Sol con el 40 % del precio, y el 96 % de Claude Opus 5.5, de Anthropic, con el 5 %. En una comparación a ciegas de interfaces, los desarrolladores prefirieron sus resultados frente a GPT-6 Sol el 64 % de las veces.

La empresa admite el límite: estos modelos todavía no están afinados para investigación científica de base ni para agentes de horizonte muy largo. MAI Code 2 Flash cubre el volumen diario, explicar código, hacer ediciones puntuales y corregir fallos comunes, con un nivel parecido al de GPT-6 Luna por el 65 % del precio y al de Claude Haiku 5.5 por el 20 %. Ambos ya están en GitHub Copilot, y Code 2 Flash suma una vista previa de acceso limitado en Microsoft Foundry.

The Edge revisó el anuncio y puso el dedo en el punto débil: las comparaciones de código se midieron con precios promocionales y en pruebas elegidas o corridas por la propia Microsoft, sin verificación independiente hasta ahora. Las cifras de seguridad sí se costearon a precio de lista. El ahorro real de cada empresa dependerá de su carga de trabajo y de lo que pague cuando termine la promoción.

Imagen, voz y decisiones en la misma familia



MAI Image 2.7 quedó primero en la clasificación de edición de imágenes de Artificial Analysis, por delante de GPT Image 2.6 Sunburst (max) y a una quinta parte de su precio; su versión Flash genera imágenes por unos 10 dólares cada mil. MAI Realtime 1, el primer modelo de voz a voz en vivo de la casa, arranca en 0,01 dólares por minuto de audio. MAI Transcribe 2 ya trabaja dentro de Dragon Copilot con 10 millones de encuentros entre médicos y pacientes al mes y la mitad de errores en flujos en varios idiomas.

Decision 1.1 reparte el trabajo: manda cada petición al modelo grande solo cuando hace falta, 50 veces más rápido y 79 veces más barato que GPT-6.1 Sol, y ya lo usan 4.000 clientes. La otra pieza es MAI Licensed Weights, que deja ajustar un modelo con datos propios y correrlo dentro del Azure de cada empresa; AT&T armó así un modelo para su red 5G que rindió más que GPT-6.1 Sol con un costo 50 veces menor.

La defensa con modelos especializados ya tenía otro frente abierto: OpenAI mueve sus modelos de ciberdefensa entre gobiernos y equipos verificados, como quedó contado en la nota sobre Daybreak Red Team y Defense Factory. Microsoft entra a ese terreno con una carta distinta, el precio por tarea, justo cuando los agentes de seguridad empiezan a trabajar turnos completos y cada token cuenta en la factura mensual.

El primer examen real llega a mediados de diciembre, cuando MAI Cyber 2 Flash entre en MDASH y los equipos comparen sus hallazgos contra los del modelo que reemplaza. Hasta ese momento, el 92,3 % es una cifra de laboratorio publicada por el vendedor, con su letra pequeña bien explicada y sin una sola medición externa que la respalde o la desmienta.

Fuente: Microsoft AI

Top comments (0)