Microsoft lanza MAI-Image-2, su modelo de generación de imágenes de segunda generación

Microsoft ha lanzado MAI-Image-2, la segunda generación de su modelo de generación de imágenes desarrollado internamente. El modelo ya está disponible en Copilot y Bing Image Creator, las dos principales superficies de consumo de Microsoft para la generación de imágenes con IA. Según Microsoft, MAI-Image-2 ofrece “mayor fotorrealismo” y una generación de texto dentro de las imágenes significativamente más fiable, un punto débil crónico de los modelos basados en difusión.

Por qué importa el texto en imagen

Conseguir que aparezca texto legible y bien escrito dentro de una imagen generada por IA ha sido un fallo sistemático de todos los grandes modelos desde Stable Diffusion. Midjourney, DALL·E y Adobe Firefly han iterado intensamente sobre esta capacidad. El texto integrado y fiable desbloquea casos de uso reales: maquetas de marketing, diapositivas de presentaciones, gráficos para redes sociales con títulos correctos. Si MAI-Image-2 ha resuelto esto a nivel de calidad de producción, supone una ventaja diferencial real para el ecosistema Copilot.

El historial de modelos de imagen de Microsoft

MAI-Image-2 es el sucesor de MAI-Image-1, el primer modelo de generación de imágenes propio de Microsoft. Hasta hace poco, Bing Image Creator funcionaba con DALL·E 3 de OpenAI. El cambio a un modelo interno da a Microsoft mayor control sobre precios, moderación y velocidad de iteración —la misma lógica estratégica que llevó a Google a migrar Google Images a su propia serie Imagen y a Meta a su familia Emu.

El modelo ha sido desarrollado por Microsoft AI (MAI), el grupo de investigación y producto que ha crecido rápidamente a medida que Microsoft integra la IA en toda su superficie de productos.

Dónde está disponible

MAI-Image-2 está activo en dos lugares:

• Microsoft Copilot — el asistente de IA integrado en Windows, Microsoft 365 y la web
• Bing Image Creator — la herramienta de generación de imágenes accesible en bing.com/images/create

Esto significa que el modelo llega de inmediato a una base de usuarios masiva. Microsoft 365 cuenta con cientos de millones de usuarios, y la integración de Copilot en Word, PowerPoint y Teams le abre a MAI-Image-2 una vía directa hacia flujos de trabajo empresariales —especialmente presentaciones y diseño de documentos.

Lo que Microsoft no ha dicho

El anuncio de Microsoft es llamativamente escaso en métricas. No hay comparativas contra DALL·E 3, Midjourney v7 o Stable Diffusion 3, ni puntuaciones publicadas sobre fotorrealismo o precisión del texto. “Mayor fotorrealismo” y “generación de texto más fiable” son afirmaciones de marketing mientras no se demuestren.

Las imágenes de muestra que Microsoft ha publicado —un conjunto de imágenes fotorrealistas— lucen bien en textura de superficie e iluminación. Si eso se mantiene ante la diversidad de prompts, casos extremos y el tipo de peticiones que hacen los usuarios reales es algo que probarán los millones de usuarios de Copilot que ya están usando el modelo.

La lectura competitiva

Microsoft se encuentra en una posición singular. Mantiene una estrecha asociación con OpenAI y sigue usando modelos de OpenAI en gran parte de su stack de producto. Pero desarrollar MAI-Image-2 internamente indica que Microsoft no pretende depender indefinidamente de OpenAI para medios generativos. Es el mismo patrón que se repite en todo el sector: quien puede construir modelos de imagen propios lo está haciendo, porque la capacidad se está convirtiendo en infraestructura básica.