GeekZilla
InstagramTecnologia

Microsoft amplia família MAI com IA para imagem, voz, segurança e decisões automatizadas

Modelos de inteligência artificial da Microsoft

A Microsoft detalhou no Ignite uma expansão da família MAI que vai além de gerar código. O conjunto inclui edição de imagens, conversação por voz, transcrição, tarefas de segurança e decisões automatizadas. A estratégia é oferecer modelos especializados que possam trabalhar continuamente sem exigir o mesmo custo computacional em todas as etapas.

O MAI Code 2 já havia sido abordado pelo GeekZilla. A novidade desta visão mais ampla está em como a empresa tenta conectar diferentes trabalhos: alguém pode falar com um assistente, solicitar uma ação, consultar dados e receber um resultado produzido por ferramentas distintas. Isso exige mais do que um modelo que responde bem numa caixa de conversa.

Um catálogo, diferentes trabalhos

1

Código e pequenas alterações

MAI Code 2 e Code 2 Flash atendem tarefas de programação em escalas diferentes. O GeekZilla já tratou do anúncio de Code 2; aqui o foco é a expansão do conjunto.

2

Imagem e conversação

MAI Image 2.7 e Flash trabalham com geração e edição visual. Realtime 1 foi desenhado para conversas de voz com ferramentas e interrupções.

3

Defesa e decisões

Cyber 2 Flash é especializado em tarefas de segurança. Decision 1.1 atua em decisões e roteamento; transcrição aparece integrada ao Dragon Copilot.

Imagem: editar sem reconstruir o trabalho inteiro

MAI Image 2.7 e sua versão Flash foram apresentados com foco em geração e edição, incluindo alterações localizadas e fundos transparentes. A Microsoft também lançou o Canvas, um ambiente para criar e refinar imagens. O interesse prático está em modificar um elemento sem perder a composição que já foi aprovada.

Para quem trabalha com arte e comunicação, esse é um critério especialmente importante. Corrigir uma palavra não deveria mudar uma fachada, assim como reposicionar um objeto não deveria inventar outro rosto. Uma ferramenta de edição só economiza tempo quando respeita o que o usuário pediu para preservar. O teste precisa incluir esse tipo de continuidade, além de avaliar se a primeira imagem ficou bonita.

O anúncio informa preços aproximados de US$ 35 por mil imagens para Image 2.7 e US$ 10 para Flash no contexto apresentado. Esses valores precisam ser lidos com suas condições. Quantidade de imagens úteis, repetições e serviços usados ao redor do modelo interferem no custo do trabalho entregue.

Voz: conversar também é saber esperar

Realtime 1 foi apresentado como um modelo de fala para fala, com preço inicial de US$ 0,01 por minuto de áudio. Entre as capacidades anunciadas estão lidar com interrupções, ajustar o ritmo da conversa e conectar solicitações a sistemas empresariais. Há ainda compatibilidade declarada com a API Realtime da OpenAI, o que pode facilitar avaliações em aplicações existentes.

Uma conversa convincente não se resume à qualidade da voz. Se o usuário corrige uma data, o sistema precisa abandonar a anterior e confirmar a mudança. Se há ruído ou outra pessoa falando, precisa distinguir o pedido. E, ao executar uma ação, deve deixar um resultado verificável. Fluência sem controle pode apenas tornar um erro mais agradável de ouvir.

Segurança: um especialista continua precisando de supervisão

Cyber 2 Flash foi desenhado para encontrar vulnerabilidades, recomendar correções e auxiliar investigações. A Microsoft apresenta ganhos de desempenho e custo em avaliações específicas, com disponibilidade ligada aos próprios produtos de segurança. Esses números descrevem configurações de teste e não garantem o mesmo resultado em qualquer ambiente.

Para um administrador, a pergunta mais importante é o que o agente consegue fazer e como essa ação será validada. Identificar um possível defeito, sugerir uma alteração e modificar uma aplicação em produção são etapas diferentes. Uma boa integração mantém evidência, possibilidade de revisão e um caminho claro para reverter algo que não funcionou.

Decidir qual ferramenta usar também tem custo

O pacote inclui Decision 1.1, apresentado para decisões e roteamento de modelos. A lógica é usar recursos maiores quando a tarefa exige e evitar esse gasto em operações simples. É uma abordagem intuitiva, mas depende de reconhecer corretamente a dificuldade e o risco do pedido.

Um roteador que economiza numa tarefa trivial pode ser útil. Se classificar como simples uma decisão que exige contexto amplo, pode provocar mais tentativas e piorar o resultado. Por isso, medir economia sem acompanhar taxa de conclusão deixa a avaliação incompleta. A unidade de comparação deveria incluir a tarefa aceita, com o nível de revisão necessário.

O catálogo precisa virar um fluxo compreensível

Ter vários modelos pode oferecer flexibilidade e também aumentar a complexidade. Cada serviço traz condições de acesso, formato de entrada, cobrança e limites próprios. Quem desenvolve a aplicação precisa organizar essas diferenças para que o usuário não tenha de entender o catálogo inteiro antes de realizar uma tarefa.

A leitura mais útil do anúncio é identificar um trabalho repetitivo e testar o componente correspondente. Compare o tempo total, a qualidade e o esforço de correção com o processo atual. Se o resultado não melhora, a presença de mais nomes na arquitetura apenas acrescentou manutenção. O catálogo é uma ferramenta; a entrega continua sendo o objetivo.