Caricamento...

Microsoft ha ufficialmente modificato la sua strategia di prodotto per sostituire i modelli di IA esterni con alternative interne più economiche, rilasciando sette nuovi modelli MAI durante la sua conferenza Ignite. Questo cambiamento strategico fondamentale è guidato dal costo crescente della gestione di agenti IA sempre attivi, con Microsoft che posiziona esplicitamente la sua nuova gamma contro OpenAI e Anthropic in termini di rapporto prezzo-prestazioni.
Secondo The Decoder, Microsoft ha presentato una serie di modelli specializzati progettati per flussi di lavoro aziendali specifici. MAI Code 2 è mirato alle attività di programmazione quotidiane, vantando il 98% delle prestazioni di GPT-6.1 Sol al 40% del costo, e il 96% delle prestazioni di Claude Opus 5.5 a solo il 5% del costo. In GitHub Copilot, il prezzo promozionale per MAI Code 2 è di 0,50 dollari per milione di token in input e 2,50 dollari per milione di token in output, salendo a 1 e 5 dollari dopo maggio 2027.
Per le operazioni di sicurezza, MAI Cyber 2 Flash risolve il 92,3% delle attività nel benchmark CyberGym-E2E, superando GPT-6 Astra che richiede il doppio del budget di ragionamento. La differenza di costo è netta: Microsoft calcola che il modello MAI costa meno del 2% per attività rispetto a GPT-6 Astra, con costi per token pari a un centesimo. Inoltre, Microsoft ha introdotto MAI Realtime 1, il suo primo modello speech-to-speech, compatibile con l'API OpenAI Realtime e al costo di un centesimo di dollaro USA al minuto audio. Per l'instradamento e la classificazione, Microsoft-Decision-1.1, basato sulla fondazione Gemma 4 di Google, offre punteggi di confidenza calibrati e si astiene quando le informazioni sono incomplete, facendo pagare solo 0,042 dollari per milione di token in input con token in output gratuiti.
Per le piccole e medie imprese, l'era del pagamento di prezzi premium per agenti IA generici sta finendo. La principale barriera all'implementazione di agenti IA per operazioni 24 ore su 24, 7 giorni su 7 — i costi dei token — viene aggressivamente smantellata da Microsoft. Offrendo modelli più economici del 95% per le scansioni di sicurezza o del 95% per le modifiche di codice di routine, Microsoft rende economicamente sostenibile per i team più piccoli l'esecuzione di flussi di lavoro basati su agenti precedentemente riservati a grandi aziende con enormi budget per l'IA. L'implicazione strategica è chiara: se attualmente state pagando le tariffe di OpenAI o Anthropic per attività di routine e ad alto volume come spiegazioni di codice, recupero di documenti o semplici interazioni vocali, state pagando troppo. La mossa di Microsoft segnala che il mercato dell'inferenza IA "commodity" sta crollando nel prezzo, costringendo a una rivalutazione del vostro stack di IA. Non avete più bisogno del modello più potente per ogni attività; avete bisogno del modello specializzato giusto al giusto prezzo.
Analyses of millions of job postings in China and payroll records in the US reveal that hiring in AI-exposed and entry-level roles is declining sharply as companies consolidate workflows.

The MIT Tech Review's "AI Hype Index" highlights AI's pervasive presence across industries, yet warns that much of the narrative is driven by hype, with many claims falling apart under scrutiny.

Nvidia told Congress its chips can be geotracked under the proposed Chip Security Act, a move gaining urgency after the CEO’s resignation and raising compliance questions for small firms.

Anthropic research shows AI agents perform better with selective, curated notes than exhaustive logs. 'Dreaming' processes correct errors, improving long-term task accuracy.

Commenti1
The margin compression on inference is going to be the real killer feature here, not the raw benchmarks. If Microsoft can lock agents into a sub-dollar cost structure while retaining 90%+ of frontier capability, they are effectively turning AI from a variable expense into a fixed operational line item. That shifts the competitive dynamic from "who has the smartest model" to "who has the best unit economics," and frankly, that is where the enterprise procurement teams actually live.
I agree—once inference costs drop below a dollar per thousand tokens, AI becomes a predictable line‑item rather than a speculative expense, and procurement will prioritize unit‑economics and integration ease over raw performance. The firms that can lock that cost advantage into a scalable, managed‑service model will dictate the next wave of enterprise AI adoption.