MS DuplexLibertad para cambiar de modeloVer todoVer menos
Libertad para cambiar de modelo.
Cambia de modelo y sigue donde lo dejaste.
En MS Duplex, la experiencia que construye tu equipo vive junto al modelo, dejando sus pesos tal como están. Un modelo nuevo empieza con todo lo que tu equipo ha confirmado, y el trabajo continúa donde se dejó.
Recordar y gobernar · una de las catorce capacidades de MS Duplex


Lo que obtiene tu equipo
- Sin dependencia de un único modelo o proveedor
- Cada actualización empieza plenamente informada
- El valor del trabajo de tu IA sigue multiplicándose
Qué significa la libertad para cambiar de modelo para tu equipo.
La libertad para cambiar de modelo significa que el valor del trabajo de tu IA se queda con tu equipo cuando cambia el modelo. Los resultados confirmados, las correcciones de expertos, las decisiones, los métodos y los planes que va reuniendo tu equipo viven en MS Duplex, en un almacén que es propiedad de tu organización.
Un modelo por sí solo contiene aquello con lo que se entrenó. Enseñarle tu trabajo mediante una ejecución de entrenamiento ata ese trabajo a un único modelo, y con la siguiente versión hay que empezar de nuevo. MS Duplex, en cambio, guarda la experiencia junto al modelo, dejando los pesos del modelo tal como están, para que un modelo nuevo empiece con todo lo que ha construido tu equipo.
Tu equipo puede elegir el modelo que mejor encaje con cada tarea, adoptar una nueva versión cuando le convenga al trabajo y moverse entre Claude, Codex, Cursor y otros agentes que hablen MCP. La experiencia te acompaña cada vez, con cada fuente registrada.
Por qué la investigación necesita libertad para cambiar de modelo.
Los modelos mejoran rápido, y los equipos de investigación quieren el mejor para cada tarea. Cada cambio debería conservar lo que el equipo ha construido y sumarle más.
La experiencia de un equipo de investigación con su IA es costosa de construir: las correcciones que hicieron los expertos, los métodos que verificó el equipo, las condiciones que confirmó con cómputo y tiempo de laboratorio. Cuando esa experiencia está atada a un único modelo, cada actualización la pone en riesgo, y los equipos se quedan con un modelo más antiguo porque cambiar costaría demasiado.
Además, tareas distintas se adaptan a modelos distintos. Uno puede razonar mejor en un análisis difícil y otro puede adaptarse al trabajo recurrente con un coste menor. Un equipo debería poder usar ambos en el mismo proyecto, y que los dos se apoyen en la misma experiencia.
Los modelos cambian a menudo
Siguen llegando nuevas versiones, y cada una debería partir de lo que tu equipo ya sabe.
La experiencia es costosa de construir
Cada corrección y cada resultado confirmado costaron tiempo de expertos, cómputo o tiempo de laboratorio, y deberían durar más que cualquier modelo concreto.
Las tareas son distintas
El mejor modelo para una tarea puede no ser el mejor para la siguiente, y el equipo debería tener libertad para elegir.
El trabajo es tuyo
Lo que tu equipo aprendió de su propia investigación pertenece a tu organización, sea cual sea el proveedor que use.


Cómo funciona la libertad para cambiar de modelo en el día a día de tu equipo.
Tu equipo trabaja con los modelos y agentes que mejor encajen con el trabajo. MS Duplex guarda la experiencia en un solo lugar en el que todos se apoyan.
- 1
Tu equipo trabaja
Los científicos e ingenieros usan Claude, Codex, Cursor, otro agente que hable MCP o tus propios agentes a través de la API y el Python SDK.
- 2
La experiencia se va acumulando
Los resultados confirmados, las correcciones, las decisiones, los métodos y los planes se acumulan en MS Duplex, cada uno con su fuente.
- 3
El modelo cambia
Tu equipo adopta una nueva versión, elige otro modelo para una tarea o se pasa a otro proveedor.
- 4
El trabajo continúa
El nuevo modelo parte de todo lo que ha construido tu equipo y retoma el trabajo donde se dejó.
Un ejemplo, en cualquier campo en el que un equipo lleve su trabajo con IA.
El agente de un equipo planifica ejecuciones y evalúa diseños para un proyecto largo. A mitad de camino, el equipo cambia de modelo, y el trabajo no pierde su sitio.
- 1
La experiencia crece
Al principio del proyecto, los expertos corrigen al agente, confirman varios resultados y aprueban dos métodos. MS Duplex guarda cada uno con su evidencia y sus condiciones.
- 2
Una nueva versión
Llega un modelo más nuevo que el equipo quiere para sus análisis más difíciles. Pasan el agente a ese modelo.
- 3
La primera solicitud
La primera solicitud del nuevo modelo ya se apoya en las correcciones, los resultados confirmados y los métodos aprobados, y sigue el plan desde su punto de control actual.
- 4
Dos modelos, un proyecto
El equipo mantiene el modelo anterior para el cribado recurrente y usa el nuevo para los análisis difíciles. Ambos se apoyan en la misma experiencia, y lo que confirma cualquiera de los dos queda disponible para el otro.
La libertad para cambiar de modelo hace que el resto de la capa perdure.
Todo lo que aprenden y conservan las demás capacidades es lo que te acompaña cuando cambia el modelo.
Memoria de investigación entre sesiones
Un modelo nuevo arranca desde el estado actual del trabajo: el objetivo, las decisiones, los métodos aprobados y el progreso.
Aprendizaje continuo
Lo que confirma el equipo se aprende junto al modelo, así que cada lección se mantiene cuando cambia el modelo.
Métodos reutilizables
El nuevo modelo también aplica los métodos que verificó tu equipo, y se vuelven a verificar allí donde se usan.
Procedencia, revisión y desaprendizaje
Cada lección conserva su fuente tras el cambio, para que el equipo pueda ver en qué se basa el nuevo modelo.
Lo que obtiene tu equipo.
El valor del trabajo de tu IA sigue acumulándose, sea cual sea el modelo que use tu equipo.
Sin dependencia
La experiencia de tu equipo no depende de ningún modelo ni proveedor concreto.
Actualizaciones con toda la información
Cada modelo nuevo empieza con todo lo que tu equipo ha confirmado, desde su primera solicitud.
El modelo adecuado para cada tarea
Usa modelos distintos para trabajos distintos, todos apoyados en la misma experiencia.
Experiencia que es tuya
Los resultados, las correcciones, las decisiones, los métodos y los planes se acumulan en un almacén que es propiedad de tu organización.
Valor que se acumula
Cada cambio conserva lo que ha construido el equipo, así que el valor del trabajo de tu IA sigue creciendo.
Cada fuente, registrada
Cada lección conserva su fuente, para que el equipo pueda ver en qué se basa cualquier modelo y de dónde procede.
Preguntas frecuentes.
Haz que la próxima ejecución aproveche la anterior.
Tráenos la investigación en la que tu IA debería mejorar. Planificaremos un piloto con tus propios flujos de trabajo, con tus expertos como jueces.

