A Microsoft criou seus próprios modelos de IA. E já trocou a OpenAI no Excel e Outlook.

Semana passada, sem fazer barulho, a Microsoft começou a redirecionar milhares de prompts do Copilot no Excel e no Outlook para modelos de IA desenvolvidos internamente. Nada de GPT. Nada de Claude. Os chamados modelos MAI (Microsoft AI) já estão processando dezenas de milhares de requisições por semana nesses dois apps, e o plano é expandir para GitHub Copilot e Teams em breve.

A notícia, publicada pela Bloomberg em 7 de julho de 2026, pegou muita gente de surpresa. Mas quem acompanha os movimentos da Microsoft nos últimos meses já sentia que isso estava vindo.

Por que a Microsoft decidiu largar a OpenAI (pelo menos em parte)

Vamos ser diretos: dinheiro.

A Microsoft investiu bilhões na OpenAI e tem acesso com desconto aos modelos dela até 2032. Com a Anthropic, o acordo é diferente: não existe esse tipo de desconto. Mustafa Suleyman, chefe de IA da Microsoft, foi bem claro em junho: “Nós pagamos uma quantia significativa de dinheiro para a Anthropic anualmente, então nosso objetivo é reduzir, e eventualmente eliminar, esse custo completamente.”

Eliminar. Não reduzir gradualmente. Eliminar.

Isso é uma declaração de guerra silenciosa. Enquanto todo mundo discutia qual modelo era melhor nos benchmarks, a Microsoft estava treinando os seus. E agora está colocando eles em produção nos produtos que centenas de milhões de pessoas usam todo dia.

A lógica é simples: para tarefas rotineiras de alta frequência (resumir e-mails, formatar planilhas, sugerir respostas), não faz sentido pagar preço premium por um modelo frontier. Um modelo menor, otimizado, resolve o problema com a mesma qualidade e uma fração do custo de inferência.

Os 7 modelos MAI que a Microsoft lançou no Build 2026

No Build 2026, a conferência anual de desenvolvedores da Microsoft em junho, a empresa apresentou sete modelos internos. Não um. Sete. Cada um especializado em uma tarefa:

O detalhe que mais chamou atenção da comunidade técnica: todos foram treinados sem destilação de modelos de terceiros. Ou seja, nada de usar outputs do GPT ou do Claude como dados de treino. A Microsoft usou cerca de 30 trilhões de tokens de dados licenciados comercialmente. Isso é importante porque elimina qualquer argumento legal de que os modelos MAI são derivados da OpenAI ou da Anthropic.

MAI-Thinking-1: o modelo que compete com o Claude Opus

Eu confesso que achei que seria mais um modelo “meh” de big tech. Estava errado.

O MAI-Thinking-1 é um modelo de raciocínio com 35 bilhões de parâmetros ativos numa arquitetura Mixture of Experts (o total passa de 1 trilhão de parâmetros). Ele tem uma janela de contexto de 256 mil tokens e entrega resultados que assustam:

• AIME 2025: 97.0%
• AIME 2026: 94.5%
• SWE-Bench Pro: competitivo com o Claude Opus 4.6
• Em avaliações cegas conduzidas pela Surge (empresa independente de avaliação humana), o MAI-Thinking-1 foi preferido ao Claude Sonnet 4.6

Pra quem trabalha com IA, esses números são sérios. Não estamos falando de um modelo que “quase chega lá”. Estamos falando de um modelo que, em certas tarefas, já supera o que a Anthropic oferece.

E a API segue a spec do OpenAI Chat Completions, então migrar código existente é trivial. Se você já tem um client configurado pra OpenAI, basta trocar o endpoint e o model name. O resto do código continua igual.

Vale destacar que o modelo está disponível não só no Microsoft Foundry, mas também em plataformas de terceiros como Fireworks AI e Baseten. Isso é uma jogada esperta: ao distribuir o modelo amplamente, a Microsoft cria adoção rápida e coleta feedback de produção em escala. É o mesmo playbook que a Meta fez com o Llama.

MAI-Code-1-Flash: 5 bilhões de parâmetros que humilham modelos maiores

Esse é o que mais me impressionou. Com apenas 5 bilhões de parâmetros, o MAI-Code-1-Flash faz coisas que modelos 10x maiores não conseguem:

Além de ser mais preciso, ele usa até 60% menos tokens em tarefas complexas no SWE-Bench Verified. Traduzindo: resolve problemas mais difíceis gastando menos.

O modelo já está disponível no GitHub Copilot para todos os assinantes pagos desde 2 de junho de 2026. Se você usa o Copilot no VS Code, pode selecionar ele no model picker agora mesmo.

Esse modelo é a prova de que a era de “quanto maior, melhor” está acabando. Um modelo de 5B parâmetros batendo o Haiku em todos os benchmarks de código é um sinal claro de que arquitetura e dados de treino importam mais do que tamanho bruto.

O mais interessante é como ele foi construído: dentro do ambiente de produção do GitHub Copilot. Não foi um modelo treinado em laboratório e depois adaptado. Ele nasceu no contexto real de autocompletar código, refatorar funções e corrigir bugs. Isso explica por que a performance em tarefas práticas é tão boa. O modelo já “viveu” a realidade do dev antes de virar produto.

Outro ponto que ninguém está comentando: com 5B parâmetros, esse modelo roda em hardware muito mais modesto. A inferência é mais rápida, a latência é menor, e o custo por token despenca. Pra uma feature como autocomplete no Copilot, onde o usuário espera resposta em milissegundos, isso é game-changer.

O que muda pra quem usa Excel e Outlook com Copilot

Na prática, talvez você já esteja usando os modelos MAI sem saber.

A Microsoft não avisou os usuários sobre a troca. A interface do Copilot continua idêntica. A configuração padrão (“Auto”) agora roteia parte das requisições para os modelos internos, e não existe uma forma óbvia de saber qual modelo está respondendo sua pergunta.

Isso levanta algumas questões legítimas:

Consistência de resultados: se você faz a mesma pergunta hoje e daqui um mês, o modelo por trás pode ser diferente. Os resultados podem variar. Para uso casual, tanto faz. Para workflows regulados (compliance, auditoria, finanças), isso é um problema real.

Controle do usuário: em alguns contextos, dá pra selecionar manualmente o modelo (GPT-5.5, Claude Opus, etc.) num dropdown. Mas isso não está disponível em todos os lugares, e a maioria dos usuários nem sabe que essa opção existe.

Transparência: a Microsoft não fez nenhum anúncio oficial sobre a troca. A informação veio da Bloomberg, citando uma pessoa “familiarizada com o trabalho”. Nenhum changelog, nenhum blog post, nenhum e-mail.

Pra ser justo, se a qualidade é equivalente ou melhor e o custo é menor, a troca faz sentido do ponto de vista da Microsoft. Mas a falta de transparência incomoda.

O elefante na sala: o que isso significa para a OpenAI

A relação Microsoft-OpenAI é uma das mais complicadas da história da tech. A Microsoft investiu mais de 13 bilhões de dólares na OpenAI, tem acesso privilegiado aos modelos, e ao mesmo tempo está ativamente trabalhando para depender menos deles.

Com o acordo de desconto válido até 2032, a OpenAI não perde receita imediatamente. Mas a mensagem é clara: a Microsoft está construindo uma stack de IA paralela e proprietária. A cada modelo MAI que entra em produção, um pedaço da dependência da OpenAI desaparece.

Para a Anthropic, a situação é pior. Sem acordo de longo prazo e com Suleyman declarando publicamente que quer “eliminar” os gastos com a empresa, cada dólar que a Microsoft economiza substituindo Claude por MAI é um dólar que não volta.

Isso não significa que OpenAI e Anthropic vão perder relevância. Os modelos frontier ainda são necessários para tarefas complexas. Mas a fatia de “tarefas rotineiras de alto volume” que sustenta boa parte da receita de inferência? Essa está migrando para dentro de casa.

A corrida pela independência de silício

A história da Microsoft se encaixa num padrão maior que está se formando em 2026: toda empresa de IA quer controlar sua própria stack, de cima a baixo.

Na mesma semana da notícia da Microsoft:

• A Anthropic está em discussões com a Samsung para fabricar um chip de IA customizado em 2nm
• A DeepSeek anunciou que está desenvolvendo seu próprio chip de inferência para reduzir dependência da Nvidia e da Huawei
• A OpenAI já havia revelado planos de chips próprios meses atrás

Todo mundo quer sair do ciclo de pagar Nvidia, pagar provedor de modelo, pagar cloud. A verticalização é a tendência. Quem controla o modelo E o hardware tem vantagem de custo que ninguém mais alcança.

A Microsoft, com o Azure, datacenters próprios e agora modelos próprios, está posicionada como poucas empresas no mundo para fazer essa integração vertical completa.

Pense assim: a Apple controla hardware + software + serviços e isso vira vantagem competitiva absurda. A Microsoft está tentando fazer o mesmo com IA: datacenter + chip (eventualmente) + modelo + produto. Quem chegar primeiro nessa stack completa vai ter margens que os concorrentes não conseguem alcançar.

O que isso significa pra devs

Se você desenvolve com a API do Copilot ou integra IA nos seus projetos via Azure, algumas coisas mudam:

1. Teste seus prompts com diferentes modelos. O roteamento automático pode mudar o modelo por trás sem aviso. Se seu código depende de comportamentos específicos de um modelo, fixe a versão.

2. Fique de olho nos modelos MAI. O MAI-Code-1-Flash já está no Copilot e o MAI-Thinking-1 está no Foundry. Eles são alternativas reais e mais baratas para muitos casos de uso.

3. A API é compatível com OpenAI spec. Migrar é fácil. Se você usa a SDK da OpenAI, pode apontar para os modelos MAI sem reescrever código.

4. Multi-model é o novo normal. A era de “usar só GPT” ou “usar só Claude” está acabando. Os melhores sistemas vão rotear requisições para o modelo mais adequado (e mais barato) para cada tarefa. Invista tempo aprendendo sobre model routing.

Para quem trabalha com enterprise, a recomendação é clara: reavalie sua estratégia de vendor lock-in. Se a própria Microsoft está diversificando os modelos que usa, você também deveria.

5. Considere modelos menores para tarefas específicas. Nem tudo precisa de um Opus ou GPT-5. O MAI-Code-1-Flash prova que um modelo de 5B bem treinado pode resolver 80% dos problemas de código. Identifique quais tarefas no seu pipeline podem rodar com modelos menores e mais baratos. Sua conta de API agradece.

6. Monitore a qualidade de perto. Se seus workflows dependem do Copilot no Excel ou Outlook, comece a logar e comparar resultados. A troca silenciosa de modelos significa que a baseline pode mudar sem você perceber. Um framework simples de avaliação (mesmo que manual) evita surpresas desagradáveis.

O futuro é multi-modelo (e cada vez mais barato)

A Microsoft gastou bilhões para construir os modelos MAI. Mas para nós, usuários e devs, o resultado é positivo: mais competição, preços caindo, e modelos menores cada vez mais capazes.

O MAI-Code-1-Flash com 5B de parâmetros batendo modelos muito maiores é um sinal do que está por vir. A eficiência está vencendo a escala bruta. E quando gigantes como Microsoft, Google e Meta estão todos investindo em modelos próprios, a pressão sobre os preços de inferência só vai aumentar.

Eu não ficaria surpreso se, até o final de 2026, a maioria das features “cotidianas” do Copilot rodasse 100% em modelos MAI, com OpenAI e Anthropic reservados apenas para as tarefas mais pesadas. E aí a pergunta que fica é: quando a tarefa “pesada” de hoje virar a tarefa “rotineira” de amanhã, sobra o que pra OpenAI e Anthropic venderem?

Fica aí pra pensar.

Fonte de inspiração: Bloomberg: Microsoft Replaces OpenAI, Anthropic With Own AI in Some Apps