בינה מלאכותית של מיקרוסופט השלימה הכשרה מוקדמת על MAI-Base-2, מודל יסוד חדש של תערובת של מומחים עם 80 מיליארד פרמטרים פעילים ו-2.8 טריליון פרמטרים בסך הכל, כך הודיעה החטיבה ב-15 באוקטובר בפוסט טכני של "הערות מעבדה". החברה טוענת כי המודל מתעלה על כל מודל בעל משקל פתוח שהיא בדקה בהערכות מתמשכות והוא יעיל פי 4 עד 12 ב-FLOPs לפני אימון מדגם הבסיס הפתוח החזק ביותר, DeepSeek-V4-Pro-Base.

ההכרזה היא האות הברור ביותר עד כה לכך שתוכנית המודל הפנימית של מיקרוסופט - שנבנתה תחת ארגון ה-AI של מיקרוסופט של המנכ"ל מוסטפא סולימן - מתכוונת להתחרות על הגבול במקום להסתמך רק על שותפות ה-OpenAI שלה. MAI-Base-2 עובר כעת לאחר אימון, עם תוצאות נוספות שהובטחו בקרוב. לסיקור שוטף של מהדורות דגמים חדשות, עקוב אחר חדשות מודל AI שלנו.

קנה המידה של הריצה

מיקרוסופט טוענת שהיא אימנה את MAI-Base-2 על 16,000 NVIDIA GB200 GPUs במשך 38 ימים באוגוסט וספטמבר 2026. הריצה הגיעה לממוצע של 21% ניצול FLOPs של מודלים (מנורמלים מול המקסימום התיאורטי של ה-GB200 של 2.5 PFLOPS ב-BF16, לא כולל מיטוב FLOP ו-% אופטימיזציה של FLOP 9) חלק מהזמן האימון התקדם ללא הפרעה. המספרים הללו מתארים ריצה ממושמעת בקנה מידה גדול; ציי GPU מופרעים או מנוצלים בצורה גרועה הם הנורמה בקנה מידה זה, וכל נקודה של תפוקה טובה מתורגמת לשבועות של זמן אימון חסוך.

המודל גדול יותר, דליל יותר ומאומן על יותר נתונים מקודמו, MAI-Base-1, ששימש כבסיס ל-MAI-Thinking-1, מודל ההיגיון של מיקרוסופט שפורסם ביוני. מיקרוסופט אומרת שהיא השקיעה מחדש בכוונה את החיסכון ביעילות ממתכון ההדרכה של MAI-Base-2 בהכשרת מודל גדול יותר.

איך מיקרוסופט אומרת את זה בהשוואה

החברה העריכה את MAI-Base-2 מול מחסומי גבולות הזמינים לפני אוקטובר 2026 תוך שימוש בסיביות לכל-בת בטקסט מוחזק - מדד אגנוסטי של טוקנייזר - יחד עם הערכות קוד מוחזקות שנלקחו מבסיס הקוד של מיקרוסופט עצמה. הערכות STEM, מתמטיקה ושאלות ותשובות הוזמנו מספקים חיצוניים כדי להפחית את הסיכון של זיהום מערכי הכשרה, וכל ערכות ההערכה טופלו כנגד נתוני ההדרכה.

ערכת ההשוואה כללה את DeepSeek-V4-Pro-Base, שתוארה על ידי מיקרוסופט כדגם הבסיס המסוגל ביותר עם משקלים פתוחים ונקודת ביקורת הבסיס היחידה ששוחררה לפני אימון מעל טריליון פרמטרים, בתוספת Kimi K3, Qwen3.8-2.4T-A95B ו-MiMo-V2.6-Pro-RL. מיקרוסופט מציינת אזהרה: עבור שלושת אלה, רק מחסומים לאחר הכשרה זמינים, ואימון לאחר האימון עשוי להשפיע על ההערכות שלפני האימון. על פני ההערכות המתוחזקות, מיקרוסופט מדווחת ש-MAI-Base-2 השיג סיביות נמוכות יותר לבייט מאשר הדגמים האחרים שנבדקו.

תביעת היעילות, מפוענחת

נתון היעילות של פי 4-12 אינו זכייה ישירה של אמת מידה אלא ניתוח התאמת מחשוב. עבור כל הערכה ממושכת, מיקרוסופט התאימה חוק קנה מידה של סיביות לבייט כנגד FLOPs לאימון והעריכה כמה חישוב המתכון שלה יצטרכו כדי להתאים לציון של DeepSeek-V4-Pro-Base. הטווח משקף הבדלים בין ארבע ההערכות. הטענה, במילים פשוטות: מיקרוסופט אומרת שהמתכון שלה מחלץ פי כמה יותר יכולת ליחידת מחשוב אימון מאשר מודל הבסיס החזק ביותר הזמין בגלוי - והיא הוציאה את העודף הזה בקנה מידה.

בעלות על ה- Full Stack

מעבר לביצועים הגולמיים, הפוסט מציג את הרציונל האסטרטגי. מיקרוסופט אומרת שהבעלות של צינור המודל שלה מקצה לקצה מעניקה לה מקור נתונים חזק על פני אסימוני אימון, וכי אימון מקדים מסתמך על נתונים אורגניים ללא זיקוק ממודלים אחרים. מקור זה, טוענת החברה, יאפשר לה לתת רישיון משקלי דגמים לארגונים באמצעות Foundry כמקור מהימן של מודיעין חזיתי, בעוד שכיוונון משותף של מודלים ותשתיות מוריד את העלות תחילה במוצרים של מיקרוסופט עצמה.

המדור הטכני מזכה שלוש יוזמות להצלחת הריצה: מדע קנה המידה, כולל "סולמות קנה מידה" המסבירים נתוני אימון חוזרים באמצעות טכניקה הנקראת קנה מידה מקור, השומרת על היחס בין נתונים ייחודיים לפרמטרים קבועים על פני השלבים; תכנון משותף של מודל-תשתית, כולל הטמעות משופרות של MoE ו-Muon אופטימיזציה לצד חיתוך גרדיאנט הפעלה; והרחבת צינורות הנתונים עם שילוב נתוני חזון. מיקרוסופט אומרת שקנה ​​מידה של מקור היה המפתח לשינוי קנה מידה אמין לגודל של 2.8 טריליון פרמטרים ללא הפתעות יתר.

מה זה אומר על השוק

אם הטענות יחזיקו מעמד בבדיקה עצמאית, MAI-Base-2 ממצב את מיקרוסופט בתור בונה דגמי גבול מערבי מרכזי רביעי לצד OpenAI, Anthropic ו-Google - עם הצעה מובדלת הבנויה על מקור נתונים ורישוי ארגוני ולא על mindshare של צ'אטבוט לצרכנים. השוק שחשוב קודם הוא בסיס הלקוחות הארגוני של Azure, שבו לקוחות Foundry יכולים לקבל גישה למודל ברמה גבוהה, ששושלת ההדרכה שלו של מיקרוסופט שולטת באופן מלא.

אימות עצמאי נשאר השאלה הפתוחה. ההערכות של מיקרוסופט מדווחות על עצמן, האזהרה של מודל ההשוואה לאחר האימון היא מהותית, וסיביות-ל-בייט בטקסט מוחזק אינו מתורגם ישירות לאמות המידה של הצ'אט, הקידוד והסוכנים שארגונים קונים איתם בפועל. נגזרות לאחר הכשרה של MAI-Base-2 - היורשים של MAI-Thinking-1 - יהיו המבחן האמיתי. אבל המסר הבסיסי של ההכרזה הוא חד משמעי: ההימור של מיקרוסופט על הכשרת דגמי חזית פנימיים, על צי הסיליקון שלה, כבר אינו שאיפה. יש לו דגם בסיס מוגמר, והצינור שלאחר האימון כבר פועל.

---

הישאר לפני AI

קבל את החדשות, הניתוחים ופריצות הדרך האחרונות של AI - הכל במקום אחד.

קרא עוד חדשות AI →