Lar
A Microsoft lança os modelos desenvolvidos internamente MAI-Image-2.5-Pro e MAI-Voice-2-Flash, agora integrados ao Bing e ao PowerPoint
Em 23 de julho, a Microsoft anunciou a prévia pública de dois modelos proprietários de IA: o MAI-Image-2.5-Pro e o MAI-Voice-2-Flash. Esses modelos foram projetados para a geração de imagens de alta qualidade e interações de voz com alto nível de simultaneidade. A Microsoft enfatizou que os dados de treinamento são limpos, rastreáveis e não derivam da destilação de modelos de terceiros. Desenvolvidos do zero, eles atendem diretamente aos usuários dos produtos da Microsoft.

Modelo de imagem de altíssima precisão reduz os custos com GPUs em até 84%
O MAI-Image-2.5-Pro é o modelo de imagem mais preciso da Microsoft, voltado para casos de uso exigentes, como geração de imagens principais, edição detalhada e renderização de texto dentro da imagem, ao mesmo tempo em que oferece suporte a instruções de edição em linguagem natural. Ele se tornou o modelo padrão de geração de imagens no Bing Image Creator e é utilizado para edição de imagem para imagem no PowerPoint. Em comparação com o GPT-Image-2, ele reduz os custos de GPU em até 84%. Após a implantação no OneDrive, as taxas de sucesso dos cenários aumentaram em 26%, a latência P95 caiu cerca de 25% e a eficiência em ambientes de produção com carga média melhorou em 2,5 vezes.
O preço é de US$ 5 por milhão de tokens para entrada de texto e US$ 106 por milhão de tokens para saída de imagem.
Modelo de voz dobra a velocidade, atendendo clientes como a T-Mobile

O MAI-Voice-2-Flash é otimizado para aplicativos de voz de alta frequência, oferecendo aproximadamente o dobro da velocidade da geração anterior e uma redução de custo de 32%, tornando-o ideal para cenários de resposta rápida, como centrais de atendimento e assistentes de voz. Integrado ao Dynamics 365 Contact Center, ele atende clientes como a T-Mobile e a EasyJet, com reduções de custo de GPU de até 89%. A Microsoft também o incorporou ao serviço Azure Voice Live, permitindo que desenvolvedores criem agentes interativos de voz para voz.
Além disso, o modelo MAI-Transcribe-1.5, da mesma série, foi aplicado à solução de voz para a área médica Dragon Copilot, utilizada por 170 mil profissionais de saúde. Ele processou 28 milhões de consultas de pacientes no último trimestre, oferece suporte a 58 idiomas e reduz as taxas de erro de transcrição em cerca de 50% para a maioria dos idiomas. A Microsoft revelou que o cluster de computação GB200 de última geração já está em operação, e que a série MAI continuará a se expandir.
Artigo relacionado
A Mozilla se associa à Mistral para trazer modelos de IA para a Janela Inteligente do Firefox
A Mozilla estabeleceu uma parceria com a startup francesa de inteligência artificial Mistral para integrar o modelo Mistral ao Firefox, aprimorando a experiência de navegação experimental da "Janela Inteligente do Firefox".Projetada para tarefas comp
A OpenAI estaria explorando a criação de um smartphone com agentes de IA que substituiriam os aplicativos tradicionais.
A especulação sobre a estratégia de hardware da OpenAI intensificou-se, com relatos recentes apontando para o desenvolvimento de um smartphone dedicado. O analista de indústria Ming-Chi Kuo indica que a empresa de inteligência artificial está colabor
O Google testa a personalização do texto do resumo diário do Gemini para um ajuste fino preciso
O Google está lançando um recurso direto de personalização de prompts para o Gemini Daily Brief no beta 17.43.11 do Google App, permitindo que os usuários personalizem seus resumos matinais de IA por meio de texto, comandos de voz ou preferências pre
Recomendações de tópicos especiais relacionados
Comentários (0)
Em 23 de julho, a Microsoft anunciou a prévia pública de dois modelos proprietários de IA: o MAI-Image-2.5-Pro e o MAI-Voice-2-Flash. Esses modelos foram projetados para a geração de imagens de alta qualidade e interações de voz com alto nível de simultaneidade. A Microsoft enfatizou que os dados de treinamento são limpos, rastreáveis e não derivam da destilação de modelos de terceiros. Desenvolvidos do zero, eles atendem diretamente aos usuários dos produtos da Microsoft.

Modelo de imagem de altíssima precisão reduz os custos com GPUs em até 84%
O MAI-Image-2.5-Pro é o modelo de imagem mais preciso da Microsoft, voltado para casos de uso exigentes, como geração de imagens principais, edição detalhada e renderização de texto dentro da imagem, ao mesmo tempo em que oferece suporte a instruções de edição em linguagem natural. Ele se tornou o modelo padrão de geração de imagens no Bing Image Creator e é utilizado para edição de imagem para imagem no PowerPoint. Em comparação com o GPT-Image-2, ele reduz os custos de GPU em até 84%. Após a implantação no OneDrive, as taxas de sucesso dos cenários aumentaram em 26%, a latência P95 caiu cerca de 25% e a eficiência em ambientes de produção com carga média melhorou em 2,5 vezes.
O preço é de US$ 5 por milhão de tokens para entrada de texto e US$ 106 por milhão de tokens para saída de imagem.
Modelo de voz dobra a velocidade, atendendo clientes como a T-Mobile

O MAI-Voice-2-Flash é otimizado para aplicativos de voz de alta frequência, oferecendo aproximadamente o dobro da velocidade da geração anterior e uma redução de custo de 32%, tornando-o ideal para cenários de resposta rápida, como centrais de atendimento e assistentes de voz. Integrado ao Dynamics 365 Contact Center, ele atende clientes como a T-Mobile e a EasyJet, com reduções de custo de GPU de até 89%. A Microsoft também o incorporou ao serviço Azure Voice Live, permitindo que desenvolvedores criem agentes interativos de voz para voz.
Além disso, o modelo MAI-Transcribe-1.5, da mesma série, foi aplicado à solução de voz para a área médica Dragon Copilot, utilizada por 170 mil profissionais de saúde. Ele processou 28 milhões de consultas de pacientes no último trimestre, oferece suporte a 58 idiomas e reduz as taxas de erro de transcrição em cerca de 50% para a maioria dos idiomas. A Microsoft revelou que o cluster de computação GB200 de última geração já está em operação, e que a série MAI continuará a se expandir.
A Mozilla se associa à Mistral para trazer modelos de IA para a Janela Inteligente do Firefox
A Mozilla estabeleceu uma parceria com a startup francesa de inteligência artificial Mistral para integrar o modelo Mistral ao Firefox, aprimorando a experiência de navegação experimental da "Janela Inteligente do Firefox".Projetada para tarefas comp
A OpenAI estaria explorando a criação de um smartphone com agentes de IA que substituiriam os aplicativos tradicionais.
A especulação sobre a estratégia de hardware da OpenAI intensificou-se, com relatos recentes apontando para o desenvolvimento de um smartphone dedicado. O analista de indústria Ming-Chi Kuo indica que a empresa de inteligência artificial está colabor
O Google testa a personalização do texto do resumo diário do Gemini para um ajuste fino preciso
O Google está lançando um recurso direto de personalização de prompts para o Gemini Daily Brief no beta 17.43.11 do Google App, permitindo que os usuários personalizem seus resumos matinais de IA por meio de texto, comandos de voz ou preferências pre











