Microsoft ha presentato a inizio giugno una propria famiglia di modelli di intelligenza artificiale, con l'obiettivo dichiarato di ridurre la dipendenza da OpenAI e abbassare i costi per gli sviluppatori. I due protagonisti sono MAI-Thinking-1, il primo modello di ragionamento sviluppato internamente, e MAI-Code-1-Flash, pensato per trasformare descrizioni in linguaggio naturale in codice funzionante. E' una svolta strategica per un'azienda che finora aveva costruito Copilot soprattutto sui modelli del partner-rivale.
Cosa sono MAI-Thinking-1 e MAI-Code-1-Flash
Secondo quanto riportato da CNBC, MAI-Thinking-1 e' un modello di ragionamento con circa 35 miliardi di parametri attivi e una finestra di contesto da 256.000 token, progettato per istruzioni complesse a piu' passaggi, ragionamento su testi lunghi e generazione di codice. L'architettura a parametri attivi (di tipo mixture-of-experts) permette di attivare solo una parte della rete a ogni richiesta, contenendo i costi di calcolo.
MAI-Code-1-Flash e' invece un modello piu' leggero e veloce, orientato allo sviluppo: prende una descrizione a parole di un'applicazione o di un sito e ne produce il codice sorgente. Il nome "Flash" segnala la vocazione alla rapidita' e al basso costo per token, adatta a compiti frequenti e ripetitivi piu' che al ragionamento estremo.
Perche' Microsoft costruisce modelli propri
La mossa ha una logica industriale precisa. Microsoft ha investito decine di miliardi in OpenAI e ne distribuisce i modelli su Azure e dentro Copilot, ma la dipendenza da un unico fornitore — per giunta sempre piu' autonomo e in rotta verso la Borsa — e' un rischio strategico ed economico. Avere modelli propri consente di tagliare i costi sui carichi di lavoro ad alto volume, di non pagare margini a terzi e di ottimizzare l'IA per i propri prodotti. Come osserva Euronews, e' la stessa strategia che sta portando Google, Amazon e Meta a sviluppare o rafforzare i modelli interni.
Non si tratta di abbandonare OpenAI, ma di costruire un portafoglio: usare il modello piu' adatto (e piu' economico) per ogni compito, tenendo i modelli di frontiera esterni per i casi che li richiedono davvero.
Come provarli: Copilot, Azure e gli sviluppatori
I modelli MAI nascono per alimentare l'ecosistema Microsoft, quindi il modo piu' immediato per incontrarli e' Copilot: parte delle risposte dell'assistente, in particolare quelle che richiedono ragionamento o generazione di codice, viene progressivamente instradata sui modelli interni. Per gli sviluppatori, la via naturale e' Azure AI Foundry (la piattaforma per creare applicazioni IA su Azure), dove i modelli MAI compaiono nel catalogo accanto a quelli di OpenAI e di altri fornitori.
Il flusso tipico per provarli via Azure e':
- Accedi al portale Azure AI Foundry con un account Azure (e' disponibile un livello gratuito con credito iniziale per i nuovi utenti).
- Nel catalogo dei modelli, cerca la famiglia MAI e seleziona
MAI-Thinking-1per compiti di ragionamento oMAI-Code-1-Flashper la generazione di codice. - Effettua il deploy del modello come endpoint e usalo dal playground integrato o via API REST, come faresti con qualsiasi altro modello della piattaforma.
Un prompt utile per saggiare MAI-Code-1-Flash, direttamente dal playground, e':
"Crea una pagina web statica in HTML e CSS con un modulo di iscrizione alla newsletter: campo email, pulsante, messaggio di conferma. Codice pulito, commentato e responsive."
Il risultato atteso e' un file HTML completo con lo stile CSS incluso, pronto da salvare e aprire nel browser. Per MAI-Thinking-1, invece, conviene provare un compito a piu' passaggi ("analizza questi requisiti, elenca i rischi, poi proponi un piano") per valutarne la tenuta sul ragionamento lungo.
Per chi ha senso e cosa aspettarsi
Per l'utente finale di Copilot il cambiamento sara' quasi invisibile: risposte potenzialmente piu' rapide e un servizio meno esposto ai limiti del fornitore esterno. Per le aziende e gli sviluppatori che gia' lavorano su Azure, i modelli MAI diventano un'opzione in piu' nel portafoglio, da valutare sul rapporto costo-prestazioni per i carichi ad alto volume. Il consiglio, come sempre in questa fase del mercato, e' di non affezionarsi a un singolo modello: testarne piu' d'uno sullo stesso compito e scegliere quello che offre la qualita' sufficiente al costo piu' basso.
