Microsoft AI onthult MAI-Base-2: 2,8 biljoen parameters, 80 miljard actief en een recept dat volgens eigen schatting tot 12 keer efficiënter is
Op 15 oktober 2026 publiceerde Microsoft AI op zijn blog Lab Notes de post "Frontier Pre-training at Microsoft AI", waarin het bedrijf aankondigde dat de pre-training van MAI-Base-2 klaar is. Het gaat om een Mixture-of-Experts-basismodel (MoE) met in totaal 2,8 biljoen parameters, waarvan 80 miljard actief, dat tussen augustus en september 2026 38 dagen lang is getraind op 16.000 Nvidia GB200-GPU's. De post meldt een gemiddelde MFU (het deel van de theoretische rekenkracht dat echt wordt benut) van 21% en een goodput van 89%.
Volgens Microsoft verbruikte de pre-training 50 biljoen tokens, met een knowledge cutoff in maart 2026, en is het model ook native gebouwd voor beeld (VLM-architectuur zonder encoder, waarbij VLM-data 18% van de datamix uitmaken). Het team benadrukte het gebruik van "organische" data zonder distillatie uit andere modellen en lichtte technische keuzes toe zoals MoE in elke laag met een "dropless"-implementatie, de Muon-optimizer en een scaling ladder met nieuwe schaalwetten voor learning rate, weight decay en dropout.
De post vergelijkt MAI-Base-2 met open-weight-modellen als DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8-2.4T-A95B en MiMo-V2.6-Pro-RL op basis van de bits-per-byte-metriek op held-out-evaluaties, deels uitbesteed aan externe partijen. Microsoft stelt dat MAI-Base-2 alle geteste modellen verslaat, maar de bits-per-byte-waarden staan alleen in de grafieken, niet in de tekst, dus het blijven operationele onbekenden. Bovendien waren van drie van de vergeleken modellen alleen nagetrainde checkpoints beschikbaar, waardoor de vergelijking niet gelijkwaardig is.
Microsoft schat dat zijn recept 4,2 tot 12,3 keer FLOP-efficiënter is dan DeepSeek-V4-Pro-Base en 6,3 tot 12,7 keer efficiënter dan het eigen MAI-Base-1. Dat zijn schattingen op basis van interne schaalwetten, geen directe metingen, dus ook dat is een operationele onbekende. Het model zit nu in de post-training; het bedrijf wil de gewichten via het Foundry-platform in licentie geven aan vertrouwde partners, maar heeft nog geen voorwaarden, prijzen of releasedata genoemd.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Ik heb de oorspronkelijke post op microsoft.ai gelezen: datum, parameters, infrastructuur, data, vergelijkingen, efficiëntiemarges en licentieplannen komen daarvandaan, samen met drie letterlijke citaten. De post staat ook in de index van microsoft.ai/news. Als onafhankelijke bevestiging komt het artikel van 24/7 Wall St., opnieuw gepubliceerd op Yahoo Finance, overeen op parameters, GPU's, duur, efficiëntie en releasestatus. Andere media (Crypto Briefing, ToolNavs, tensorfeed) verklaren het verschil tussen '3 biljoen' en 2,8: Suleyman had het getal in zijn post op X afgerond. Het oorspronkelijke artikel van Business Insider over de town hall kon ik niet openen.
- Incertezze
- De bits-per-byte-waarden staan alleen in de grafieken, niet in de tekst. Het efficiëntievoordeel is een interne schatting op basis van schaalwetten, geen gecontroleerde vergelijking. De vergelijking met modellen die alleen als nagetrainde checkpoints beschikbaar zijn, is niet gelijkwaardig. Volgens secundaire media die Business Insider citeren, zou Suleyman in een interne town hall hebben gezegd dat MAI-Base-2 het basismodel achter GPT-5.6 Sol verslaat met een kwart van de rekenkracht: Microsoft heeft die vergelijking niet gepubliceerd, het oorspronkelijke BI-artikel is niet geraadpleegd en OpenAI heeft niet gereageerd, dus het geldt als een niet-geverifieerde bewering. Licentievoorwaarden, data en definitieve prestaties ontbreken.
- Perché pubblicarla
- Het is het grootste model dat Microsoft ooit heeft bekendgemaakt, en het laat zien hoe het bedrijf steeds onafhankelijker wordt van OpenAI. De post maakt technische details openbaar die zeldzaam zijn voor een frontier-model: infrastructuur, tokens, efficiëntie, evaluatiemethode. En het distributiemodel is nieuw: gewichten in licentie voor partners, geen open gewichten en ook niet alleen een API.