El 17 de noviembre de 2026, Microsoft presentó siete modelos de lenguaje propios durante su conferencia para desarrolladores Ignite. En la pantalla principal no figuraban tarifas unitarias absolutas. En su lugar aparecieron etiquetas de descuento sumamente agresivas: 2%, 5% y 20% respecto a los precios de la competencia.
Las reglas de tarificación en la industria de la inteligencia artificial acaban de cambiar. Durante los últimos dos años, los laboratorios punteros mantuvieron facturas elevadas respaldándose en récords de benchmarks. Microsoft ha cambiado de táctica: garantiza más del 90% o 98% de la capacidad de sus rivales y lanza los modelos al mercado con descuentos radicales.
Siete nuevos modelos: precios fijados como porcentaje directo del rival
La nueva familia de modelos abarca ciberseguridad, generación de código, edición de imágenes y audio en tiempo real. La ruptura más notable reside en el criterio de cobro.
En inteligencia artificial, un token representa la unidad mínima de procesamiento lingüístico, habitualmente equivalente a unas pocas letras o fragmentos de palabras. Hasta ahora, los proveedores solían publicar tarifas calculadas en dólares por millón de tokens consumidos.
Microsoft ha prescindido de complejas fórmulas unitarias. Los competidores se convirtieron directamente en el objetivo de la rebaja. MAI Cyber 2 Flash, diseñado para operaciones de ciberseguridad ofensiva y defensiva, llevó esta guerra de precios a su punto álgido.
En el benchmark CyberGym-E2E, que evalúa la detección automatizada de vulnerabilidades y la simulación de ataques y defensas, este modelo superó a GPT-6 Astra. Sin embargo, al completar la misma batería de pruebas, el coste del modelo de Microsoft no llegó al 2% del precio fijado por su competidor (una reducción a una quincuagésima parte).
Figura: Comparativa de coste y calidad de MAI Cyber 2 Flash frente a competidores en pruebas de ciberseguridad. Fuente: Microsoft AI (Conferencia Ignite 2026).
Reducir el coste por tarea a una quincuagésima parte transforma la planificación de ingeniería. Antes, escanear millones de líneas de código exigía aprobar presupuestos extraordinarios; hoy, esa auditoría de seguridad puede integrarse directamente en los flujos continuos de desarrollo.
Rendimiento al 98% con un coste por llamada drásticamente recortado
La bajada de precios en programación y multimedia afecta de forma aún más directa a los desarrolladores. En generación de código, Microsoft introdujo dos herramientas principales.
Los datos oficiales indican que MAI Code 2 alcanza el 98% de la calidad de programación de GPT-6.1 Sol a un 40% de su tarifa. Frente al modelo insignia Opus 5.5, conserva el 96% de la calidad mientras que su coste de llamada representa apenas el 5% (veinte veces menos).
El modelo ligero MAI Code 2 Flash prioriza la velocidad de respuesta. Su rendimiento general empata con GPT-6 Luna reduciendo el coste al 65%, y frente al modelo equivalente Haiku 5.5 se ofrece a solo dos décimas partes de su precio (un 80% más barato).
Figura: Distribución de calidad y precio de la serie MAI Code 2 en pruebas de programación. Fuente: Microsoft AI (Conferencia Ignite 2026).
Decision 1.1, optimizado para razonamiento lógico, opera 50 veces más rápido que GPT-6.1 Sol con un coste 79 veces menor. El ámbito multimedia experimentó rebajas igualmente pronunciadas.
MAI Image 2.7 encabezó la clasificación de edición de imagen de la firma independiente Artificial Analysis, con un coste de llamada equivalente a una quinta parte del escalón prémium de la competencia.
Figura: Clasificación y costes de inferencia de MAI Image 2.7 en edición de imágenes. Fuente: Microsoft AI (Conferencia Ignite 2026).
El modelo de voz en tiempo real MAI Realtime 1 parte de 0,01 dólares por minuto de audio, mejorando la latencia interactiva respecto a GPT-Realtime 2.1. En sistemas de transcripción médica que gestionan decenas de millones de conversaciones clínicas al mes, su tasa de error multilingüe se redujo a la mitad.
Estos datos trasladan una postura nítida: Microsoft deja de perseguir marcas marginales en evaluaciones teóricas. Al afianzar el rendimiento operativo entre el 95% y el 98% del listón de vanguardia y fijar precios muy por debajo de sus rivales, busca captar de inmediato la implantación empresarial a gran escala.
Fabricación masiva de chips propios: desgaste de hardware en la nube
Rebajas de esta magnitud no obedecen a una venta a pérdidas improvisada. La capacidad de Microsoft para forzar estos descuentos se apoya en su propia infraestructura de hardware.
Junto a los modelos, Microsoft anunció la producción en serie de su acelerador de IA de segunda generación, Maia 200. Estos procesadores están optimizados específicamente para la arquitectura MAI y ya sustentan los clústeres principales de inferencia.
La métrica determinante de eficiencia en chips para centros de datos son los tokens por vatio: el volumen de texto generado por cada vatio de potencia eléctrica consumido. Según cifras oficiales, Maia 200 genera 1,7 veces más tokens por vatio al procesar los modelos internos de mayor envergadura.
Tras esta ganancia en eficiencia, Microsoft confirmó la expansión de sus centros de datos Azure Maia hasta alcanzar una escala multigigavatio. Un gigavatio equivale a mil millones de vatios, una potencia comparable a la capacidad de generación de un reactor nuclear comercial.
El silicio propio elimina los márgenes comerciales de los fabricantes de GPU externas, mientras que la escala multigigavatio reduce los costes marginales de electricidad y refrigeración. Los laboratorios de IA independientes que alquilan potencia asumen múltiples márgenes intermedios; un gigante con infraestructura en la nube verticalmente integrada amortiza la depreciación del hardware en todo su ecosistema corporativo. Microsoft persigue contratos de servicios en la nube a largo plazo, y el abaratamiento de los modelos constituye su principal punta de lanza.
Dos líneas de código para migrar: los modelos como motores eléctricos estándar
Esta ola de descuentos deja al descubierto una realidad técnica indiscutible: el coste de sustitución entre modelos es prácticamente nulo. Microsoft insistió en que las empresas demandan precios sostenibles para desplegar agentes autónomos de forma ininterrumpida (programas capaces de accionar herramientas y completar secuencias de tareas complejas).
La comunidad técnica compara a los grandes modelos de lenguaje con los motores eléctricos de finales del siglo XIX. El motor eléctrico impulsó la Segunda Revolución Industrial y generó un valor social extraordinario. Sin embargo, ningún fabricante logró sostener beneficios extraordinarios fabricando únicamente motores estandarizados.
Las interfaces de programación actuales atraviesan el mismo proceso de estandarización. Los protocolos de llamada entre los principales proveedores son prácticamente idénticos. A los desarrolladores les basta con modificar dos líneas de configuración en su código (la dirección base y la clave de acceso) para migrar sus cargas a un modelo más económico.
No existen formatos propietarios ni exigencias complejas de reescritura. Cuando las diferencias prácticas de inteligencia no se perciben en las operaciones diarias, la balanza de compras se inclina de forma natural hacia la propuesta más asequible.
Se agota el relato de las altas primas: el mercado financiero echa cuentas
Ese mismo día, Google presentó Gemini 4 Neon y Genie 4. La ventana temporal durante la cual un modelo de vanguardia mantiene ventaja sobre sus perseguidores se ha reducido de un año a cuestión de semanas.
Los nuevos lanzamientos de equipos de todo el mundo acortan las diferencias con rapidez insólita. Esta aceleración en el ritmo de alcance constituye el auténtico motor de la actual guerra de precios.
Los mercados de capitales muestran posturas encontradas. Una parte de los inversores empieza a revisar el retorno económico de los modelos punteros. Si inversiones multimillonarias en I+D solo proporcionan dos o tres meses de ventaja competitiva, un modelo de negocio limitado a vender tokens difícilmente podrá sostener valoraciones exorbitantes.
Los perfiles más optimistas argumentan que la presión a la baja afecta sobre todo a tareas habituales como escribir código estándar o responder consultas rutinarias, mientras que en investigación científica avanzada y deducciones de largo alcance los modelos frontera siguen siendo insustituibles.
Más allá del debate teórico, la orientación práctica del sector ya ha cambiado. En el momento en que Microsoft proyectó en su pantalla principal “2% del precio del competidor”, la competencia pasó a centrarse por completo en los costes. Toda tecnología susceptible de ser rebajada porcentualmente por la competencia termina transformándose en un componente industrial fungible.
Enlaces de referencia:
- Comunicado oficial de Microsoft AI
- Debate en la comunidad de Hacker News
- Clasificaciones de Artificial Analysis