A Microsoft Criou o Seu Próprio Modelo de IA. Sem Tocar no Código da OpenAI.
No Microsoft Build 2026, a empresa apresentou o MAI-Code-1-Flash: um modelo de programação desenvolvido internamente, treinado de raiz sem dados da OpenAI. Chega ao GitHub Copilot e resolve os mesmos problemas com 60% menos tokens do que a concorrência.
No Microsoft Build 2026, realizado a 2 de junho em São Francisco, a Microsoft revelou o MAI-Code-1-Flash — o primeiro modelo de codificação desenvolvido internamente pela empresa, treinado de raiz sem distilação de dados de terceiros, incluindo da OpenAI.
O anúncio tem um simbolismo enorme. Durante anos, a Microsoft foi o principal parceiro e investidor da OpenAI, com uma dependência estratégica clara. Agora, ao lançar os seus próprios modelos, a empresa sinaliza uma mudança de rumo: menos dependência, mais controlo.
Do ponto de vista técnico, o MAI-Code-1-Flash é uma arquitetura Mixture-of-Experts com 137 mil milhões de parâmetros totais e 5 mil milhões ativos por inferência, com uma janela de contexto de 256 mil tokens. O modelo está otimizado para velocidade e eficiência: resolve os mesmos problemas com até 60% menos tokens do que modelos concorrentes — o que se traduz diretamente em custos mais baixos para empresas.
Já está disponível no GitHub Copilot para todos os planos — Free, Pro, Pro+ e Max — integrado no VS Code e no ecossistema Microsoft. O modelo supera o Claude Haiku 4.5 nos principais benchmarks de programação, segundo a própria Microsoft.
Para as empresas e programadores que dependem diariamente de ferramentas como o Copilot, a mensagem é direta: a IA de código ficou mais rápida, mais barata e mais independente.
Pa burros
- MAI: Microsoft AI — família de modelos de inteligência artificial desenvolvidos internamente pela Microsoft
- Mixture-of-Experts (MoE): arquitetura de modelo de IA que ativa apenas uma fração dos parâmetros por inferência, tornando-o mais eficiente
- Distilação: técnica de treino em que um modelo menor aprende a imitar um modelo maior
- Parâmetros: valores numéricos que definem o comportamento de um modelo de IA — quanto mais, geralmente mais capaz
- Benchmark: teste padronizado para comparar o desempenho de modelos de IA