Microsoft AI revela o MAI-Base-2: 2,8 trilhões de parâmetros, 80 bilhões ativos e uma receita que estima ser até 12 vezes mais eficiente
Em 15 de outubro de 2026, a Microsoft AI publicou em seu blog Lab Notes o post "Frontier Pre-training at Microsoft AI", anunciando a conclusão do pré-treinamento do MAI-Base-2. Trata-se de um modelo fundacional Mixture-of-Experts (MoE) com 2,8 trilhões de parâmetros no total, dos quais 80 bilhões ativos, treinado por 38 dias em 16.000 GPUs Nvidia GB200 entre agosto e setembro de 2026. O post informa um MFU médio (a parcela da capacidade de computação teórica efetivamente aproveitada) de 21% e um goodput de 89%.
A Microsoft afirma que o pré-treinamento consumiu 50 trilhões de tokens, com knowledge cutoff em março de 2026, e que o modelo também é nativo para visão (arquitetura VLM sem encoder, com dados VLM respondendo por 18% do mix de dados). A equipe destacou o uso de dados "orgânicos", sem destilação de outros modelos, e explicou escolhas técnicas como MoE em todas as camadas com implementação "dropless", o otimizador Muon e uma scaling ladder com novas leis de escala para learning rate, weight decay e dropout.
O post compara o MAI-Base-2 com modelos de pesos abertos como DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8-2.4T-A95B e MiMo-V2.6-Pro-RL usando a métrica bits-per-byte em avaliações held-out, em parte encomendadas a fornecedores externos. A Microsoft diz que o MAI-Base-2 supera todos os modelos testados, mas os valores de bits-per-byte aparecem só nos gráficos, não no texto, então continuam sendo incógnitas operacionais. Além disso, para três dos modelos comparados só havia checkpoints pós-treinados, então a comparação não é em pé de igualdade.
A Microsoft estima que sua receita seja de 4,2 a 12,3 vezes mais eficiente em FLOPs do que o DeepSeek-V4-Pro-Base e de 6,3 a 12,7 vezes mais do que seu próprio MAI-Base-1. São estimativas baseadas em leis de escala internas, não medições diretas, então também são uma incógnita operacional. O modelo está agora em pós-treinamento; a empresa pretende licenciar os pesos a parceiros de confiança pela plataforma Foundry, mas ainda não divulgou condições, preços nem datas de lançamento.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Li o post original em microsoft.ai: data, parâmetros, infraestrutura, dados, comparações, faixas de eficiência e planos de licenciamento vêm de lá, com três citações literais. O post também aparece no índice microsoft.ai/news. Como confirmação independente, o artigo da 24/7 Wall St. republicado no Yahoo Finance coincide em parâmetros, GPUs, duração, eficiência e status do lançamento. Outros veículos (Crypto Briefing, ToolNavs, tensorfeed) explicam a diferença entre '3 trilhões' e 2,8: Suleyman arredondou o número em seu post no X. Não consegui abrir o artigo original do Business Insider sobre o town hall.
- Incertezze
- Os valores de bits-per-byte estão só nos gráficos, não no texto. A vantagem de eficiência é uma estimativa interna baseada em leis de escala, não uma comparação controlada. A comparação com modelos disponíveis apenas como checkpoints pós-treinados não é em pé de igualdade. Segundo veículos secundários que citam o Business Insider, Suleyman teria dito em um town hall interno que o MAI-Base-2 supera o modelo base do GPT-5.6 Sol com um quarto da computação: a Microsoft não publicou essa comparação, o artigo original do BI não foi consultado e a OpenAI não respondeu, então deve ser tratada como afirmação não verificada. Faltam condições de licença, datas e desempenho final.
- Perché pubblicarla
- É o maior modelo já anunciado pela Microsoft e marca sua crescente autonomia em relação à OpenAI. O post torna públicos detalhes técnicos raros para um modelo de fronteira: infraestrutura, tokens, eficiência, método de avaliação. E o modelo de distribuição é novidade: pesos licenciados a parceiros, nem pesos abertos nem só API.