Microsoft ha appena svelato sette nuovi modelli AI sviluppati internamente. Non roba comprata, non distillata da OpenAI o altri. Roba loro, dal basso.
Ma il punto non sono solo i modelli. È che stanno costruendo quello che chiamano ‘hill-climbing machine’ — una macchina per scalare montagne, ciclo dopo ciclo. E vogliono portarvi con loro.
I modelli: da ragionamento a trascrizione
La famiglia MAI copre un po’ tutto. MAI-Thinking-1 è il modello di punta per il ragionamento. Medio come dimensioni, ma — dicono loro — batte Sonnet 4.6 nei test ciechi con utenti umani. Zero distillazione da modelli di terze parti, solo dati puliti e addestramento da zero.
Poi c’è MAI-Code-1-Flash, 5 miliardi di parametri, fatto apposta per GitHub Copilot e VS Code. Paragonabile a Haiku ma più economico. Il che, tradotto: meno sbatti per chi lo usa tutti i giorni.
MAI-Image-2.5 fa text-to-image e editing, e batte Nano Banana Pro nell’Arena score. C’è anche una variante Flash ultra-efficiente, perché non sempre serve il cannone.
Per la trascrizione? MAI Transcribe-1.5. ‘Il migliore al mondo’ — parole loro, ma portano numeri: cinque volte più veloce dei concorrenti, con supporto per terminologia specifica di dominio in 43 lingue. SOTA accuracy, che significa: il meglio che c’è in giro.
MAI-Voice-2 genera parlato naturale in 15 lingue, si adatta a una voce con pochi secondi di campione, e ha protezioni contro gli abusi. Arriverà anche MAI-Voice-2-Flash, versione più leggera.
Tutti questi modelli saranno su Foundry, Open Router, Fireworks e Baseten. E — questa è nuova — per la prima volta gli sviluppatori potranno modificare direttamente i pesi del modello.
Frontier Tuning: fate vostro il modello
Qui la cosa si fa interessante. Microsoft chiama questo approccio ‘Frontier Tuning’, e sostanzialmente significa: il modello impara dal vostro lavoro reale.
Avete presente i dati più preziosi? Non sono quelli pubblici. Sono i vostri: la traccia di come completate un task, i passi, le decisioni, le azioni. Tutto quello che definisce come funzionano davvero le cose nella vostra organizzazione.
Gli ambienti di reinforcement learning — RLE — diventano ‘palestre’ dove i modelli MAI si allenano sui vostri workflow. Accessibili solo a voi.
Il risultato? Un modello personalizzato, addestrato sui vostri dati, nel vostro ambiente, sotto il vostro controllo. La conoscenza istituzionale diventa parte del modello. E resta vostra.
I numeri che portano: un modello MAI ottimizzato per Excel eguaglia GPT 5.4 ma è fino a 10 volte più efficiente. McKinsey, con standard aziendali ‘esigenti’ (eufemismo), ha visto MAI raggiungere il win rate più alto di qualsiasi modello testato, a un decimo del costo.
Dieci volte. Non è un errore di battitura.
Mayo Clinic e il modello sanitario
Quando si parla di salute, Microsoft alza il tiro. Oggi annunciano una collaborazione con la Mayo Clinic — sì, quella Mayo Clinic, il sistema ospedaliero top al mondo — per co-creare un modello AI specifico per la sanità.
L’idea è combinare l’expertise clinica della Mayo, dati clinici de-identificati e insight longitudinali con le capacità AI di Microsoft. Un modello progettato per eccellere nel ragionamento clinico e nei casi d’uso sanitari, ‘a un livello che i sistemi general-purpose di oggi non possono raggiungere’.
Prima lo deploieranno internamente alla Mayo. Diagnosi più precoci e accurate, pianificazione dei trattamenti. Poi, una volta validato, lo renderanno disponibile ad altre organizzazioni via Azure Foundry.
Dettaglio non banale: il modello sarà di proprietà della Mayo Clinic. Paziente al centro, rigore clinico, sicurezza. I dati sanitari non si scherza.
Il lab: zero scorciatoie
Microsoft AI è abbastanza esplicita: niente scorciatoie. Addestrano da zero. Non distillano da altri lab. Non usano dati senza licenza o opachi. ‘I nostri dataset sono puliti e appropriatamente licenziati.’
Ogni componente — architettura, pipeline di training, post-training — costruito in casa. Co-progettano con il proprio silicio Maia 200, con un boost di efficienza del 1,4x già visibile.
L’obiettivo è l’autosufficienza a lungo termine. E la fiducia: ‘modelli di cui puoi fidarti’.
La filosofia è quella della ‘hill-climbing machine’: un’organizzazione che migliora continuamente, ciclo dopo ciclo, applicando più compute, dati migliori, valutazione più precisa.
Rigore scientifico: ablation, misure, documentazione. Team piccoli, obiettivi falsificabili, periodi brevi. Velocità con qualità, focus con ambizione. E trasparenza: oggi pubblicano report tecnici e di sicurezza dettagliati.
Humanist Superintelligence
Il goal finale — lo chiamano ‘Humanist Superintelligence’. Sistemi AI avanzati progettati per servire persone e organizzazioni, non sostituirle.
Devono rimanere strumenti. Modellati dall’intento umano, responsabili verso la supervisione umana, subordinati agli obiettivi umani. ‘Le persone — voi — devono sempre rimanere in controllo.’
Nei prossimi dodici mesi si aspettano un rapido scale-up di compute e capacità. Il cluster GB200 di nuova generazione è già operativo.
È una nuova fase per l’AI. E per Microsoft AI. Vedremo se la macchina per scalare montagne funziona davvero, o se è l’ennesimo annuncio che suona bene. I modelli ci sono, i numeri anche. Ora tocca vedere sul campo.
