Microsoft AI svela MAI-Base-2: 2,8 trilioni di parametri, 80 miliardi attivi e una ricetta che stima fino a 12 volte più efficiente
Il 15 ottobre 2026 Microsoft AI ha pubblicato nel proprio blog Lab Notes il post "Frontier Pre‑training at Microsoft AI", annunciando il completamento del pre‑training di MAI-Base-2. Si tratta di un modello fondazionale Mixture‑of‑Experts (MoE) con 2,8 trilioni di parametri totali, di cui 80 miliardi attivi, addestrato per 38 giorni su 16.000 GPU Nvidia GB200 tra agosto e settembre 2026. Il post riporta un MFU medio (la quota della potenza di calcolo teorica effettivamente sfruttata) del 21 % e un goodput dell'89 %.
Microsoft dichiara che il pre‑training ha consumato 50 trilioni di token, con un knowledge cutoff a marzo 2026, e che il modello è nativo anche per la visione (architettura VLM senza encoder, con il 18 % del mix di dati costituito da dati VLM). Il team ha sottolineato l'uso di dati "organici" senza distillazione da altri modelli e ha illustrato scelte tecniche come MoE in ogni layer con implementazione "dropless", ottimizzatore Muon e una scaling ladder con nuove leggi di scala per learning rate, weight decay e dropout.
Il post confronta MAI-Base-2 con modelli a pesi aperti quali DeepSeek‑V4‑Pro‑Base, Kimi K3, Qwen3.8‑2.4T‑A95B e MiMo‑V2.6‑Pro‑RL usando la metrica bits‑per‑byte su valutazioni held‑out, in parte commissionate a fornitori esterni. Microsoft afferma che MAI-Base-2 supera tutti i modelli testati, ma i valori numerici dei bits‑per‑byte compaiono solo nei grafici, non nel testo, quindi rimangono incognite operative. Inoltre, per tre dei modelli comparati erano disponibili solo checkpoint post‑addestrati, quindi il confronto non è alla pari.
Microsoft stima che la sua ricetta sia da 4,2 a 12,3 volte più efficiente in FLOPs rispetto a DeepSeek‑V4‑Pro‑Base e da 6,3 a 12,7 volte rispetto al proprio MAI‑Base‑1. Si tratta di stime basate su leggi di scala interne, non di misurazioni dirette, quindi costituiscono un’incognita operativa. Il modello è attualmente in fase di post‑training; la società prevede di concedere in licenza i pesi a partner fidati tramite la piattaforma Foundry, ma non ha ancora indicato termini, prezzi o date di rilascio.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Ho letto il post originale su microsoft.ai: da lì vengono data, parametri, infrastruttura, dati, confronti, stime di efficienza e piani di licenza, con tre citazioni testuali. Il post compare anche nell'indice microsoft.ai/news. Come conferma indipendente, l'articolo di 24/7 Wall St. ripubblicato su Yahoo Finance coincide su parametri, GPU, durata, efficienza e stato del rilascio. Altre testate (Crypto Briefing, ToolNavs, tensorfeed) spiegano la discrepanza tra '3 trilioni' e 2,8: nel post di Suleyman su X il numero era arrotondato. Non ho potuto aprire l'articolo originale di Business Insider sul town hall.
- Incertezze
- I valori dei bits-per-byte sono solo nei grafici, non nel testo. Il vantaggio di efficienza è una stima interna basata su leggi di scala, non un confronto controllato. Il confronto con modelli disponibili solo come checkpoint post-addestrati non è alla pari. Secondo testate secondarie che citano Business Insider, in un town hall interno Suleyman avrebbe detto che MAI-Base-2 supera il modello base di GPT-5.6 Sol con un quarto del calcolo: Microsoft non ha pubblicato quel confronto, l'articolo di BI non è stato consultato e OpenAI non ha risposto, quindi resta un'affermazione non verificata. Mancano termini di licenza, date e prestazioni finali.
- Perché pubblicarla
- È il modello più grande mai dichiarato da Microsoft e segna la sua crescente autonomia da OpenAI. Il post rende pubblici dettagli tecnici rari per un modello di frontiera: infrastruttura, token, efficienza, metodo di valutazione. E il modello di distribuzione è nuovo: pesi in licenza a partner, né pesi aperti né sola API.