MAI
Microsoft · Programação
O MAI é a família de modelos de inteligência artificial desenvolvida internamente pela Microsoft, criada pela divisão Microsoft AI sob o comando do CEO Mustafa Suleyman. A linha cobre geração de imagens, síntese de voz e transcrição de áudio, e ao longo de 2026 ganhou modelos de raciocínio e de código. Os desenvolvedores chegam aos modelos pelo Microsoft Foundry, enquanto o usuário comum os encontra dentro do Copilot, do Bing, do Teams e do PowerPoint sem nunca tocar em uma chave de API.
Sobre MAI
O que é o MAI
O MAI nasceu como resposta da Microsoft a um problema simples: ela dependia demais da OpenAI, então construiu seus próprios modelos de base. A empresa lançou os dois primeiros, MAI-1-preview e MAI-Voice-1, em 29 de agosto de 2025. A geração de imagens veio em outubro, com o MAI-Image-1. Na conferência Build de 2026, a família já cobria mais de sete modelos entre imagem, voz, transcrição, raciocínio e código.
O atrativo de verdade está no custo e na velocidade. A Microsoft pratica preços agressivos nesses modelos: a transcrição sai a partir de 0,10 dólar por hora de áudio, e os modelos Flash de imagem custam uma fração das versões principais. Se você constrói recursos de áudio ou visuais em escala, essa diferença aparece rápido.
O problema é o acesso. O MAI não é um aplicativo de consumo que você baixa. Quase todos os modelos ficam atrás do Microsoft Foundry e do Azure, então você precisa de uma conta de desenvolvedor e de uma integração de API para usá-los diretamente. O usuário comum só vê os resultados embutidos no Copilot e no Bing, onde a escolha do modelo não é sua. Para uma análise independente do que cada versão faz, o site oficial da Microsoft AI é o único lugar com detalhes atualizados.
Como começar
- Crie uma conta no Microsoft Foundry ou no Azure e escolha uma assinatura.
- Abra o catálogo de modelos e implante um modelo MAI, como o MAI-Image-2.5 ou o MAI-Voice-2.
- Pegue o seu endpoint e a sua chave de API na página da implantação.
- Envie uma requisição de teste com um prompt, uma imagem ou um arquivo de áudio, conforme o modelo.
- Revise a saída e depois conecte o endpoint ao seu app ou ao seu fluxo de trabalho.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de MAI.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores que precisam de APIs de imagem, voz ou transcrição sem pagar preços de ponta
- Equipes de produto que adicionam recursos de voz a um app
- Usuários do Copilot e do Microsoft 365
Tarefas
- Gerar fotos de produto e mockups de interface
- Transformar gravações em texto
- Criar agentes de voz
Cenários
- Fluxos de mídia em grande volume que precisam de processamento em lote barato e rápido, mais do que qualidade pontual.
- Análise corporativa de documentos e reuniões em que contexto longo e conformidade de dados importam.
- Prototipar um recurso multimodal antes de assumir um contrato de nuvem maior.
Principais recursos
Geração e edição de imagens
A linha MAI-Image transforma prompts de texto em imagens. Também edita as existentes, de remoção de objetos a preenchimento de áreas e atualização de texto. A Microsoft divide a linha em uma versão principal para trabalho de alta fidelidade e variantes Flash ou Efficient para trabalhos em massa em que velocidade e custo pesam mais que a qualidade máxima. Várias versões entraram no top 3 dos rankings públicos de geração de imagens, segundo a Microsoft.
Síntese de voz expressiva
O MAI-Voice gera fala natural e mantém o tom do falante estável ao longo de trechos longos, o que importa para audiolivros e narração. Como API de texto para fala, roda com eficiência em uma única GPU, produz até um minuto de áudio em cerca de um segundo e aceita clonagem de voz a partir de alguns segundos de amostra. A cobertura abrange mais de 15 idiomas com controles de emoção via SSML.
Transcrição de fala em escala
O MAI-Transcribe-1 cuida da conversão de fala em texto em lote em mais de 40 idiomas, com separação de falantes, carimbos de tempo por palavra e detector automático de idioma. Como API de fala para texto, aceita fala misturada como hinglish e spanglish, e processa uma hora de áudio em cerca de dez segundos. A Microsoft cobra a partir de 0,10 dólar por hora de áudio.
Modelos de raciocínio e código
O MAI-Thinking-1 é o primeiro modelo de raciocínio dedicado da família, criado para análise de contexto longo e tarefas de várias etapas, enquanto o MAI-Code-1 mira a geração de código dentro do GitHub Copilot. Os dois buscam cargas corporativas em que licenciamento de dados e confiabilidade importam mais do que pontuações brutas em benchmarks.
Roda dentro dos próprios produtos da Microsoft
Não são experimentos de laboratório. Esses mesmos modelos alimentam o Copilot, a criação de imagens do Bing, a transcrição do Teams e os recursos de imagem do PowerPoint, o que lhes dá uma escala de uso real que quase nenhum modelo de pesquisa alcança.
Prós e contras
Prós
- Preços competitivos, sobretudo na transcrição e nas variantes Flash de imagem.
- Linha ampla que cobre imagem, voz, transcrição, raciocínio e código em um só lugar.
- Integração profunda com produtos da Microsoft que você talvez já use todo dia.
- Bom suporte multilíngue tanto em voz quanto em transcrição.
Contras
- Não existe app de consumo independente, então o usuário casual não pode escolher um modelo diretamente.
- O acesso direto exige uma conta no Foundry ou no Azure e trabalho de API, o que aumenta a barreira para criadores individuais.
- Alguns recursos, como transcrição em tempo real e separação de falantes nas primeiras versões, chegaram mais tarde ou ficaram em prévia, então pode ser que você espere em um roadmap a capacidade exata de que precisa.
- Os modelos de ponta ainda custam bem mais que as opções Flash, então qualidade e orçamento puxam muitas vezes em direções opostas.
Perguntas frequentes
O MAI é a família de modelos de IA de desenvolvimento próprio da Microsoft, criada por sua divisão Microsoft AI. Inclui modelos de imagem, voz, transcrição, raciocínio e código, e não um único produto.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a MAI.
Alternativas a MAI
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.