Microsoft AI prezentuje MAI-Base-2: 2,8 biliona parametrów, 80 miliardów aktywnych i przepis, który według szacunków jest nawet 12 razy wydajniejszy
15 października 2026 r. Microsoft AI opublikował na swoim blogu Lab Notes wpis "Frontier Pre-training at Microsoft AI", w którym ogłosił zakończenie pretreningu MAI-Base-2. To model bazowy typu Mixture-of-Experts (MoE) z 2,8 biliona parametrów łącznie, z czego 80 miliardów jest aktywnych, trenowany przez 38 dni na 16 000 GPU Nvidia GB200 w sierpniu i wrześniu 2026 r. Wpis podaje średnie MFU (część teoretycznej mocy obliczeniowej faktycznie wykorzystanej) na poziomie 21% i goodput 89%.
Microsoft podaje, że pretrening pochłonął 50 bilionów tokenów, a knowledge cutoff przypada na marzec 2026 r. Model jest też natywnie przystosowany do obrazu (architektura VLM bez enkodera, dane VLM stanowią 18% miksu danych). Zespół podkreślił użycie danych "organicznych", bez destylacji z innych modeli, i opisał decyzje techniczne takie jak MoE w każdej warstwie z implementacją "dropless", optymalizator Muon oraz scaling ladder z nowymi prawami skalowania dla learning rate, weight decay i dropoutu.
Wpis porównuje MAI-Base-2 z modelami o otwartych wagach, takimi jak DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8-2.4T-A95B i MiMo-V2.6-Pro-RL, za pomocą metryki bits-per-byte na ewaluacjach held-out, częściowo zleconych zewnętrznym dostawcom. Microsoft twierdzi, że MAI-Base-2 wyprzedza wszystkie testowane modele, ale wartości bits-per-byte pojawiają się tylko na wykresach, nie w tekście, więc pozostają operacyjną niewiadomą. Do tego dla trzech z porównywanych modeli dostępne były tylko checkpointy po post-treningu, więc porównanie nie odbywa się na równych zasadach.
Microsoft szacuje, że jego przepis jest od 4,2 do 12,3 razy wydajniejszy pod względem FLOPs niż DeepSeek-V4-Pro-Base i od 6,3 do 12,7 razy wydajniejszy niż jego własny MAI-Base-1. To szacunki oparte na wewnętrznych prawach skalowania, a nie bezpośrednie pomiary, więc to również operacyjna niewiadoma. Model jest obecnie w fazie post-treningu; firma planuje udzielać licencji na wagi zaufanym partnerom przez platformę Foundry, ale nie podała jeszcze warunków, cen ani dat premiery.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Sprawdzony został oryginalny wpis na microsoft.ai: stamtąd pochodzą data, parametry, infrastruktura, dane, porównania, zakresy wydajności i plany licencyjne, a także trzy dosłowne cytaty. Wpis widnieje też w indeksie microsoft.ai/news. Jako niezależne potwierdzenie artykuł 24/7 Wall St. przedrukowany w Yahoo Finance zgadza się co do parametrów, GPU, czasu trwania, wydajności i stanu premiery. Inne media (Crypto Briefing, ToolNavs, tensorfeed) wyjaśniają rozbieżność między „3 bilionami” a 2,8: Suleyman zaokrąglił liczbę w swoim wpisie na X. Nie udało się otworzyć oryginalnego artykułu Business Insidera o spotkaniu town hall.
- Incertezze
- Wartości bits-per-byte są tylko na wykresach, nie w tekście. Przewaga wydajności to wewnętrzny szacunek oparty na prawach skalowania, a nie kontrolowane porównanie. Porównanie z modelami dostępnymi wyłącznie jako checkpointy po post-treningu nie odbywa się na równych zasadach. Według mediów wtórnych cytujących Business Insidera Suleyman miał powiedzieć na wewnętrznym spotkaniu town hall, że MAI-Base-2 przewyższa model bazowy GPT-5.6 Sol przy jednej czwartej mocy obliczeniowej: Microsoft nie opublikował takiego porównania, oryginalny artykuł BI nie został sprawdzony, a OpenAI nie odpowiedziało, więc należy to traktować jako niezweryfikowane twierdzenie. Brakuje warunków licencji, dat i ostatecznych wyników.
- Perché pubblicarla
- To największy model, jaki Microsoft kiedykolwiek ogłosił, i znak rosnącej niezależności firmy od OpenAI. Wpis ujawnia szczegóły techniczne rzadko podawane przy modelach z czołówki: infrastrukturę, tokeny, wydajność, metodę ewaluacji. Nowy jest też model dystrybucji: wagi na licencji dla partnerów, a nie otwarte wagi ani sam dostęp przez API.