La apuesta por la eficiencia en IA de Microsoft podría redefinir la

La afirmación que cambia el juego

Mustafa Suleyman no suele hacer titulares por su diplomacia. El director ejecutivo de Microsoft AI tomó la palabra en un encuentro interno el jueves y soltó lo que equivale a una granada silenciosa lanzada al regazo de uno de los socios más importantes de Microsoft.

Ahora contamos con un modelo base preentrenado más potente que el que actualmente impulsa GPT 5.6 Sol, dijo Suleyman a los empleados. Y utilizamos una cuarta parte de la capacidad computacional que OpenAI empleó para entrenar su modelo.

La declaración importa no porque confirme que Microsoft puede construir un modelo competitivo —la compañía lleva años haciendo eso—, sino por lo que la cifra de eficiencia implica sobre hacia dónde se dirige la carrera armamentista de IA. Durante tres años, la narrativa dominante ha sido la escala: añadir más GPU, más datos, más dinero al problema y el mejor modelo emergirá. La afirmación de Suleyman sugiere que esa narrativa podría estar alcanzando su punto de inflexión. La eficiencia se está convirtiendo en la nueva frontera.

El modelo detrás del mensaje

El modelo en cuestión es MAI-Base-2, anunciado el mismo día. El preentrenamiento —la etapa en la que un modelo fundacional aprende patrones a partir de conjuntos masivos de datos de texto e imágenes— es, con mucho, la fase más costosa de construir un sistema de IA. Esa es la razón por la que OpenAI, Google DeepMind y otros laboratorios han estado gastando miles de millones en clústeres especializados de chips y espacio en centros de datos. Cada flops adicional de cómputo se traduce directamente en gasto de capital, costos energéticos y tiempo de llegada al mercado.

Si Microsoft ha encontrado una manera de lograr un rendimiento comparable o superior con una fracción de ese gasto, las implicaciones económicas son enormes. No se trata solo de ahorrar dinero en un modelo. Se trata de comprimir la curva de costos para todos los que sigan después.

Suleyman también destacó una comparación con DeepSeek, el laboratorio chino que ha estado causando revuelo por sus propias afirmaciones de eficiencia. El modelo de Microsoft utilizó 12 veces menos cómputo que la oferta de DeepSeek, dijo. No se nombró un modelo específico de DeepSeek, pero un artículo público del blog de Microsoft describió el preentrenamiento de MAI-Base-2 como significativamente más eficiente que DeepSeek-V4-Pro-Base. Eso coloca a Microsoft en una posición algo inusual: competir con DeepSeek en su propio terreno de optimización de eficiencia mientras reclama simultáneamente superioridad sobre OpenAI en rendimiento puro.

La relación que ya no encaja

La fecha de estos comentarios no es casualidad. Microsoft y OpenAI llevan desviándose aproximadamente un año. La asociación que comenzó con OpenAI luchando por encontrar infraestructura en la nube y Microsoft ofreciendo créditos de Azure ha evolucionado hacia algo más complejo. Microsoft ahora posee una participación en OpenAI valorada en más de $100 mil millones y licencia modelos de OpenAI a través de Azure. Pero también está construyendo sus propios modelos de manera cada vez más agresiva.

La comparación pública de Suleyman —incluso entregada en un encuentro interno que filtró a Business Insider— señala una recalibración estratégica. Criticar la eficiencia de OpenAI, especialmente cuando tu compañía todavía depende de la tecnología de OpenAI para Copilot y otros productos, es un riesgo calculado. El valor de inversión podría verse afectado. Los ingresos de la asociación podrían verse amenazados. Pero el mensaje es claro: Microsoft ya no está contenta con ser el canal de distribución de OpenAI. Quiere ser su competidora.

Este no es el primer signo de tensión. Microsoft ha reducido silenciosamente su dependencia de OpenAI en varias líneas de productos, incorporando sus propios modelos en Copilot y otras herramientas. La creación de un equipo comercial y de consumidor de Copilot combinado en marzo, con Suleyman reasignado para concentrarse en la unidad de superinteligencia, fue otra señal estructural. La organización se está reconfigurando alrededor de la independencia, no de la asociación.

Lo que la eficiencia realmente significa

La historia más profunda aquí no es la alabanza. Es lo que la afirmación de eficiencia sugiere sobre el estado del desarrollo de IA. Las leyes de escala que han guiado a la industria —la idea de que modelos más grandes entrenados con más datos y cómputo mejorarán de forma predecible— se han mantenido notablemente bien. Pero vienen con rendimientos decrecientes. Cada mejora en capacidad ahora requiere recursos exponencialmente mayores.

Ese es un problema para todos, pero especialmente para las compañías que apostaron fuertemente a la hipótesis de la escala. OpenAI ha gastado miles de millones construyendo infraestructura de cómputo. Si el próximo avance proviene de la eficiencia en lugar de la escala, esas inversiones enfrentan el riesgo de un rendimiento inferior respecto a su promesa. No un fracaso —el hardware todavía tiene valor—, pero un camino más lento hacia las capacidades que justifican el gasto.

El movimiento de Microsoft sugiere que ve esa inflexión llegando. La compañía está cubriendo sus apuestas desarrollando capacidad interna mientras mantiene la relación con OpenAI. Es una estrategia de posicionamiento clásica: competir con tu socia donde importa, y mantener la asociación viva donde aún genera ingresos.

El contexto global

Esta dinámica se desarrolla contra una competición global más amplia por la supremacía en IA. DeepSeek de China saltó a los titulares a principios de este año con afirmaciones de entrenamiento de modelos eficiente que socavaban los supuestos occidentales sobre los requisitos de cómputo. Estados Unidos respondió con controles de exportación de chips avanzados y restricciones al acceso de cómputo en la nube para laboratorios chinos. La optimización de eficiencia se convirtió en un interés de seguridad nacional tanto como empresarial.

La afirmación de Microsoft ahora coloca al desarrollo de IA estadounidense en una posición interesante. Si las compañías estadounidenses pueden igualar o exceder la eficiencia china mientras mantienen el liderazgo en rendimiento, el cálculo estratégico cambia. El argumento para una restricción extrema de cómputo se debilita si el valor marginal de chips adicionales disminuye. Pero si las ganancias de eficiencia provienen de avances algorítmicos en lugar de solo mejor optimización, la ventaja competitiva podría ser duradera y resistente a la exportación.

Qué sigue

Varios escenarios son plausibles. Microsoft podría continuar reduciendo la brecha con OpenAI internamente mientras mantiene públicamente la fachada de la asociación. OpenAI podría responder acelerando su propio trabajo de eficiencia o diferenciándose en capacidades que no se replican fácilmente solo mediante preentrenamiento —como el alineamiento post-entrenamiento, el uso de herramientas y el razonamiento en tiempo real—. El mercado de la nube podría ver mayor competencia mientras ambas compañías impulsan sus propios modelos en Azure y otra infraestructura.

La implicación más significativa, sin embargo, es para la industria en general. Si las afirmaciones de eficiencia de Microsoft resisten el escrutinio, la estructura de costos para construir modelos de vanguardia cambia. Los jugadores más pequeños que no pueden igualar el gasto en cómputo de OpenAI podrían encontrar un camino hacia la competitividad mediante la optimización en lugar de la fuerza bruta. La barrera de entrada no desaparece, pero se desplaza de la intensidad de capital a la intensidad de ingeniería.

Suleyman no proporcionó verificación independiente de las comparaciones. Reconoció que las evaluaciones se basaron en información técnica que Microsoft tiene sobre los modelos de OpenAI, lo que sugiere acceso propietario más que benchmarking abierto. Esa salvedad importa. En una industria donde las afirmaciones a menudo superan la evidencia, la carga de la prueba permanece en Microsoft.

Lo que está claro es que la narrativa está cambiando. La pregunta ya no es solo quién tiene el modelo más grande. Es quién puede construir el mejor modelo de manera más eficiente. Y ese es un juego que Microsoft ahora está jugando en sus propios términos.