Microsoft continua a smontare, pezzo dopo pezzo, la propria dipendenza dai modelli di terze parti. E stavolta tocca alle immagini generate dall’intelligenza artificiale. Bing Image Creator, lo strumento che permette di creare immagini a partire da una semplice descrizione testuale, non si appoggia più ai modelli di OpenAI. Al loro posto arriva MAI-Image-2.5, presentato all’inizio di giugno durante la conferenza Build 2026. Lo stesso cambiamento tocca anche PowerPoint e OneDrive, e l’azienda di Redmond ne ha approfittato per mettere sul tavolo altri due modelli freschi di annuncio.
Perché Microsoft sceglie i suoi modelli MAI
Satya Nadella, amministratore delegato dell’azienda, ha spiegato la logica in modo abbastanza diretto. I modelli di OpenAI e quelli di Anthropic restano disponibili, certo, ma affiancati dalla famiglia MAI sviluppata internamente. E secondo Nadella questi ultimi hanno ormai raggiunto le prestazioni della concorrenza usando però una frazione dei token. Tradotto in parole povere costano meno, e questo basta a renderli la scelta predefinita per i clienti Microsoft.
Il percorso era già cominciato con la generazione di testo nelle applicazioni di Microsoft 365. Adesso è il turno delle immagini AI. Bing Image Creator passa al 100% su MAI-Image-2.5, che va a sostituire GPT-Image-2 anche dentro PowerPoint. Il motivo? Riduce i costi delle GPU fino all’84%, una cifra che nel settore fa una certa differenza. Lo stesso modello diventa inoltre l’opzione predefinita per la modifica delle immagini in OneDrive.
C’è di più. L’azienda ha sottolineato che il modello MAI-Code-1-Flash, già presente in GitHub Copilot e in Excel, offre prestazioni agentiche paragonabili a quelle di GPT-5.6. Costa meno perché gira su vecchie schede NVIDIA H100 e A100, hardware già ammortizzato che continua a fare il suo lavoro senza pesare troppo sui conti.
Due nuovi modelli in anteprima pubblica
Oltre alla sostituzione, Microsoft ha alzato l’asticella con due modelli appena arrivati in anteprima. Il primo è MAI-Image-2.5-Pro, la proposta di punta per generare e modificare immagini. Riesce a produrre immagini fotorealistiche con risoluzione fino a 1024×1024 pixel. Sul fronte dei prezzi si parla di circa 5 euro per un milione di token di input testuale, 7 euro per un milione di token di input immagini e circa 98 euro per un milione di token di output immagini.
Il secondo modello è MAI-Voice-2-Flash, che lavora sul versante audio. È un text-to-speech, quindi genera audio partendo da un testo scritto oppure modifica tracce audio già esistenti. Buona notizia per chi lavora nella nostra lingua, perché il modello supporta diverse lingue, italiano compreso. Il costo in questo caso si aggira sui 14 euro per un milione di caratteri.
La strategia di fondo appare piuttosto chiara. Microsoft non ha rotto i ponti con OpenAI, i suoi modelli restano accessibili per chi li preferisce, ma spinge sempre più forte sui propri strumenti interni. E lo fa puntando su un argomento che a Redmond conoscono benissimo, ossia il contenimento dei costi, sfruttando anche hardware meno recente per far girare i modelli senza spendere una fortuna.