Η Microsoft AI ολοκλήρωσε την προεκπαίδευση στο MAI-Base-2, ένα νέο μοντέλο θεμελίωσης μείγματος ειδικών με 80 δισεκατομμύρια ενεργές παραμέτρους και 2,8 τρισεκατομμύρια συνολικές παραμέτρους, ανακοίνωσε το τμήμα στις 15 Οκτωβρίου σε μια τεχνική ανάρτηση «Εργαστηριακές Σημειώσεις». Η εταιρεία λέει ότι το μοντέλο ξεπερνά κάθε μοντέλο ανοιχτού βάρους που δοκίμασε σε κρατημένες αξιολογήσεις και είναι 4 έως 12 φορές πιο αποδοτικό σε FLOP προεκπαίδευσης από το ισχυρότερο μοντέλο ανοιχτής βάσης, το DeepSeek-V4-Pro-Base.
Η ανακοίνωση είναι το πιο ξεκάθαρο μήνυμα μέχρι τώρα ότι το εσωτερικό πρόγραμμα μοντέλων της Microsoft – που δημιουργήθηκε υπό τον οργανισμό Microsoft AI του CEO Mustafa Suleyman – σκοπεύει να ανταγωνιστεί στα σύνορα αντί να βασίζεται αποκλειστικά στη συνεργασία του με το OpenAI. Το MAI-Base-2 βρίσκεται τώρα σε μετεκπαίδευση, με περισσότερα αποτελέσματα να υπόσχονται σύντομα. Για συνεχή κάλυψη των κυκλοφοριών νέων μοντέλων, ακολουθήστε τις [ειδήσεις μοντέλου AI] (https://aibuzzwire.news).
Η κλίμακα του τρεξίματος
Η Microsoft λέει ότι εκπαίδευσε το MAI-Base-2 σε 16.000 GPU NVIDIA GB200 σε 38 ημέρες τον Αύγουστο και τον Σεπτέμβριο του 2026. Η εκτέλεση κατά μέσο όρο είχε 21% χρήση μοντέλου FLOP (κανονικοποιημένο έναντι του θεωρητικού μέγιστου 2,5 PFLOPS του GB200 σε BF16 και βελτιστοποίηση εκ νέου FLOPclu, 89% καλή απόδοση — το κλάσμα του χρόνου προχώρησε χωρίς διακοπή. Αυτοί οι αριθμοί περιγράφουν μια πειθαρχημένη διαδρομή μεγάλης κλίμακας. Οι διακοπτόμενοι ή ανεπαρκώς χρησιμοποιημένοι στόλοι GPU είναι ο κανόνας σε αυτήν την κλίμακα και κάθε σημείο καλής απόδοσης μεταφράζεται σε εβδομάδες εξοικονόμησης χρόνου εκπαίδευσης.
Το μοντέλο είναι μεγαλύτερο, πιο αραιό και εκπαιδευμένο σε περισσότερα δεδομένα από το προκάτοχό του, το MAI-Base-1, το οποίο χρησίμευσε ως βάση για το MAI-Thinking-1, το συλλογιστικό μοντέλο της Microsoft που κυκλοφόρησε τον Ιούνιο. Η Microsoft λέει ότι επανεπένδυσε σκόπιμα την εξοικονόμηση απόδοσης από την εκπαιδευτική συνταγή του MAI-Base-2 στην εκπαίδευση ενός μεγαλύτερου μοντέλου.
Πώς συγκρίνεται η Microsoft
Η εταιρεία αξιολόγησε το MAI-Base-2 με συνοριακά σημεία ελέγχου που ήταν διαθέσιμα πριν από τον Οκτώβριο του 2026, χρησιμοποιώντας bit-per-byte σε κείμενο - μια μέτρηση αγνωστική για το tokenizer - μαζί με αξιολογήσεις κώδικα που προέρχονται από τη βάση κωδικών της Microsoft. Οι αξιολογήσεις STEM, μαθηματικών και Q&A ανατέθηκαν από εξωτερικούς προμηθευτές για τη μείωση του κινδύνου μόλυνσης του σετ εκπαίδευσης και όλα τα σετ αξιολόγησης απολυμάνθηκαν έναντι των δεδομένων εκπαίδευσης.
Το σετ σύγκρισης περιελάμβανε το DeepSeek-V4-Pro-Base, που περιγράφεται από τη Microsoft ως το πιο ικανό βασικό μοντέλο με ανοιχτά βάρη και το μοναδικό βασικό σημείο ελέγχου προεκπαίδευσης που κυκλοφόρησε πάνω από ένα τρισεκατομμύριο παραμέτρους, συν Kimi K3, Qwen3.8-2.4T-A95B και MiMo-V2.6-Pro-RL. Η Microsoft σημειώνει μια προειδοποίηση: για αυτά τα τρία, είναι διαθέσιμα μόνο σημεία ελέγχου μετά την εκπαίδευση και η μετά την εκπαίδευση μπορεί να επηρεάσει τις αξιολογήσεις πριν από την εκπαίδευση. Σε όλες τις κρατημένες αξιολογήσεις, η Microsoft αναφέρει ότι το MAI-Base-2 πέτυχε χαμηλότερα bit ανά byte από τα άλλα μοντέλα που δοκιμάστηκαν.
Ο ισχυρισμός αποτελεσματικότητας, αποκωδικοποιημένος
Ο αριθμός απόδοσης 4-12x δεν είναι μια άμεση νίκη αναφοράς, αλλά μια ανάλυση υπολογιστικής αντιστοίχισης. Για κάθε εκτεταμένη αξιολόγηση, η Microsoft προσάρμοσε έναν νόμο κλιμάκωσης bit-per-byte έναντι των εκπαιδευτικών FLOP και υπολόγισε πόσο υπολογισμό θα χρειαζόταν η δική της συνταγή για να ταιριάζει με τη βαθμολογία του DeepSeek-V4-Pro-Base. Το εύρος αντικατοπτρίζει διαφορές μεταξύ των τεσσάρων αξιολογήσεων. Ο ισχυρισμός, με απλούς όρους: Η Microsoft λέει ότι η συνταγή της εξάγει πολλές φορές περισσότερες δυνατότητες ανά μονάδα υπολογισμού εκπαίδευσης από το ισχυρότερο ανοιχτά διαθέσιμο βασικό μοντέλο — και ξόδεψε αυτό το πλεόνασμα σε κλίμακα.
Κάτοχος της Πλήρους Στοίβας
Πέρα από την ακατέργαστη απόδοση, η ανάρτηση εκθέτει τη στρατηγική λογική. Η Microsoft λέει ότι η κατοχή της σειράς μοντέλων από άκρο σε άκρο της δίνει ισχυρή προέλευση δεδομένων σε σχέση με τα κουπόνια εκπαίδευσης και ότι η προεκπαίδευση βασίζεται σε οργανικά δεδομένα χωρίς απόσταξη από άλλα μοντέλα. Αυτή η προέλευση, υποστηρίζει η εταιρεία, θα της επιτρέψει να αδειοδοτήσει τα βάρη μοντέλων σε επιχειρήσεις μέσω του Foundry ως αξιόπιστη πηγή συνοριακής νοημοσύνης, ενώ ο συν-συντονισμός μοντέλων και υποδομών μειώνει πρώτα το κόστος στα προϊόντα της Microsoft.
Το τεχνικό τμήμα πιστώνει τρεις πρωτοβουλίες για την επιτυχία του τρεξίματος: την επιστήμη της κλιμάκωσης, συμπεριλαμβανομένων των "κλιμακωμένων σκαλοπατιών" που αντιπροσωπεύουν επαναλαμβανόμενα δεδομένα εκπαίδευσης μέσω μιας τεχνικής που ονομάζεται κλιμάκωση πηγής, η οποία διατηρεί σταθερή την αναλογία μοναδικών δεδομένων προς παραμέτρους σε όλες τις βαθμίδες. συν-σχεδιασμός μοντέλου-υποδομής, συμπεριλαμβανομένων βελτιωμένων εφαρμογών βελτιστοποίησης MoE και Muon, παράλληλα με το απόκομμα διαβάθμισης ενεργοποίησης. και διευρύνθηκαν οι αγωγοί δεδομένων με την ενσωμάτωση δεδομένων όρασης. Η Microsoft λέει ότι η κλιμάκωση της πηγής ήταν το κλειδί για την αξιόπιστη κλιμάκωση στο μέγεθος των παραμέτρων των 2,8 τρισεκατομμυρίων χωρίς υπερβολικές εκπλήξεις.
Τι σημαίνει για την αγορά
Εάν οι ισχυρισμοί ισχύουν υπό ανεξάρτητο έλεγχο, το MAI-Base-2 τοποθετεί τη Microsoft ως τον τέταρτο σημαντικό κατασκευαστή μοντέλων στα δυτικά σύνορα μαζί με τα OpenAI, Anthropic και Google — με ένα διαφοροποιημένο βήμα που βασίζεται στην προέλευση των δεδομένων και στην αδειοδότηση επιχειρήσεων και όχι στην κοινή χρήση ροών συνομιλίας των καταναλωτών. Η αγορά που μετράει πρώτα είναι η εταιρική πελατεία του Azure, όπου οι πελάτες του Foundry θα μπορούσαν να αποκτήσουν πρόσβαση σε ένα μοντέλο προχωρημένης κατηγορίας του οποίου η γενεαλογία εκπαίδευσης ελέγχει πλήρως η Microsoft.
Η ανεξάρτητη επαλήθευση παραμένει το ανοιχτό ερώτημα. Οι αξιολογήσεις της Microsoft αναφέρονται από μόνη της, η προειδοποίηση μετά την εκπαίδευση των μοντέλων σύγκρισης είναι ουσιαστική και τα bit-per-byte σε παρατεταμένο κείμενο δεν μεταφράζονται άμεσα στα σημεία αναφοράς συνομιλίας, κωδικοποίησης και αντιπροσώπων με τα οποία αγοράζουν πραγματικά οι επιχειρήσεις. Τα μετα-εκπαιδευμένα παράγωγα του MAI-Base-2 - οι διάδοχοι του MAI-Thinking-1 - θα είναι το πραγματικό τεστ. Αλλά το υποκείμενο μήνυμα της ανακοίνωσης είναι ξεκάθαρο: το στοίχημα της Microsoft στην εκπαίδευση μοντέλων συνόρων στο εσωτερικό, στον δικό της στόλο πυριτίου, δεν είναι πλέον φιλόδοξο. Διαθέτει ολοκληρωμένο βασικό μοντέλο και ο αγωγός μετά την εκπαίδευση βρίσκεται ήδη σε λειτουργία.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
