Microsoft AI ने MAI-बेस-2 पर प्री-ट्रेनिंग पूरी कर ली है, जो 80 बिलियन सक्रिय मापदंडों और 2.8 ट्रिलियन कुल मापदंडों के साथ एक नया मिश्रण-विशेषज्ञ फाउंडेशन मॉडल है, डिवीजन ने 15 अक्टूबर को एक तकनीकी "लैब नोट्स" पोस्ट में घोषणा की। कंपनी का कहना है कि यह मॉडल आयोजित किए गए मूल्यांकनों पर परीक्षण किए गए प्रत्येक ओपन-वेट मॉडल से बेहतर प्रदर्शन करता है और सबसे मजबूत ओपन बेस मॉडल, डीपसीक-वी4-प्रो-बेस की तुलना में 4 से 12 गुना अधिक प्री-ट्रेनिंग एफएलओपी-कुशल है।

यह घोषणा अब तक का सबसे स्पष्ट संकेत है कि माइक्रोसॉफ्ट का इन-हाउस मॉडल प्रोग्राम - सीईओ मुस्तफा सुलेमान के माइक्रोसॉफ्ट एआई संगठन के तहत निर्मित - केवल ओपनएआई साझेदारी पर भरोसा करने के बजाय सीमांत पर प्रतिस्पर्धा करने का इरादा रखता है। एमएआई-बेस-2 अब प्रशिक्षण के बाद चल रहा है, जल्द ही और अधिक परिणाम आने का वादा किया गया है। नए मॉडल रिलीज़ के निरंतर कवरेज के लिए, हमारे [एआई मॉडल समाचार] (https://aibuzzwire.news) का अनुसरण करें।

दौड़ का पैमाना

माइक्रोसॉफ्ट का कहना है कि उसने अगस्त और सितंबर 2026 में 38 दिनों में 16,000 NVIDIA GB200 GPU पर MAI-Base-2 को प्रशिक्षित किया। रन का औसत 21% मॉडल FLOPs उपयोग था (रीमटेरियलाइजेशन और ऑप्टिमाइज़र FLOPs को छोड़कर, BF16 में GB200 की सैद्धांतिक अधिकतम 2.5 PFLOPS के मुकाबले सामान्यीकृत) और 89% गुडपुट हासिल किया - का अंश समय प्रशिक्षण बिना किसी रुकावट के आगे बढ़ा। वे संख्याएँ एक अनुशासित बड़े पैमाने की दौड़ का वर्णन करती हैं; बाधित या खराब उपयोग किए गए जीपीयू बेड़े इस पैमाने पर आदर्श हैं, और गुडपुट का प्रत्येक बिंदु बचाए गए प्रशिक्षण समय के हफ्तों में तब्दील हो जाता है।

यह मॉडल अपने पूर्ववर्ती एमएआई-बेस-1 की तुलना में बड़ा, विरल और अधिक डेटा पर प्रशिक्षित है, जो जून में जारी माइक्रोसॉफ्ट के रीजनिंग मॉडल एमएआई-थिंकिंग-1 की नींव के रूप में काम करता है। माइक्रोसॉफ्ट का कहना है कि उसने जानबूझकर एमएआई-बेस-2 के प्रशिक्षण नुस्खे से दक्षता बचत को एक बड़े मॉडल के प्रशिक्षण में पुनर्निवेशित किया है।

Microsoft कैसे कहता है कि वह तुलना करता है

कंपनी ने माइक्रोसॉफ्ट के स्वयं के कोडबेस से तैयार किए गए हेल्ड-आउट कोड मूल्यांकन के साथ-साथ हेल्ड-आउट टेक्स्ट पर बिट्स-प्रति-बाइट - एक टोकननाइज़र-अज्ञेयवादी मीट्रिक - का उपयोग करके अक्टूबर 2026 से पहले उपलब्ध फ्रंटियर चेकपॉइंट्स के खिलाफ एमएआई-बेस -2 का मूल्यांकन किया। प्रशिक्षण-सेट संदूषण के जोखिम को कम करने के लिए एसटीईएम, गणित और प्रश्नोत्तर मूल्यांकन बाहरी विक्रेताओं से शुरू किए गए थे, और सभी मूल्यांकन सेट प्रशिक्षण डेटा के विरुद्ध संदूषित किए गए थे।

तुलना सेट में डीपसीक-वी4-प्रो-बेस शामिल है, जिसे माइक्रोसॉफ्ट ने ओपन वेट के साथ सबसे सक्षम बेस मॉडल और एक ट्रिलियन मापदंडों से ऊपर जारी एकमात्र बेस प्री-ट्रेनिंग चेकपॉइंट के रूप में वर्णित किया है, साथ ही किमी के3, क्यूवेन3.8-2.4टी-ए95बी, और मिमो-वी2.6-प्रो-आरएल। Microsoft एक चेतावनी नोट करता है: उन तीन के लिए, केवल प्रशिक्षण के बाद की चौकियाँ उपलब्ध हैं, और प्रशिक्षण के बाद पूर्व-प्रशिक्षण मूल्यांकन प्रभावित हो सकते हैं। आयोजित मूल्यांकनों के अनुसार, Microsoft की रिपोर्ट है कि MAI-Base-2 ने परीक्षण किए गए अन्य मॉडलों की तुलना में कम बिट्स-प्रति-बाइट हासिल किया।

दक्षता का दावा, डिकोड किया गया

4-12x दक्षता का आंकड़ा प्रत्यक्ष बेंचमार्क जीत नहीं है बल्कि एक गणना-मिलान विश्लेषण है। प्रत्येक आयोजित मूल्यांकन के लिए, माइक्रोसॉफ्ट ने प्रशिक्षण एफएलओपी के खिलाफ बिट्स-प्रति-बाइट का एक स्केलिंग कानून लगाया और अनुमान लगाया कि डीपसीक-वी 4-प्रो-बेस के स्कोर से मेल खाने के लिए अपने स्वयं के नुस्खा की कितनी गणना की आवश्यकता होगी। सीमा चार मूल्यांकनों में अंतर को दर्शाती है। दावा, स्पष्ट शब्दों में: माइक्रोसॉफ्ट का कहना है कि उसका नुस्खा सबसे मजबूत खुले तौर पर उपलब्ध बेस मॉडल की तुलना में प्रशिक्षण गणना की प्रति इकाई कई गुना अधिक क्षमता निकालता है - और उसने उस अधिशेष को पैमाने पर खर्च किया।

पूरे ढेर का मालिक होना

कच्चे प्रदर्शन से परे, पोस्ट रणनीतिक तर्क प्रस्तुत करता है। माइक्रोसॉफ्ट का कहना है कि अपने मॉडल पाइपलाइन को एंड-टू-एंड रखने से उसे प्रशिक्षण टोकन पर मजबूत डेटा उत्पत्ति मिलती है, और पूर्व-प्रशिक्षण अन्य मॉडलों से कोई आसवन नहीं होने के साथ कार्बनिक डेटा पर निर्भर करता है। कंपनी का तर्क है कि यह उद्गम उसे फ्रंटियर इंटेलिजेंस के एक विश्वसनीय स्रोत के रूप में फाउंड्री के माध्यम से उद्यमों को मॉडल वेट का लाइसेंस देगा, जबकि सह-ट्यूनिंग मॉडल और बुनियादी ढांचे की लागत सबसे पहले माइक्रोसॉफ्ट के अपने उत्पादों में कम होगी।

तकनीकी अनुभाग दौड़ की सफलता के लिए तीन पहलों को श्रेय देता है: स्केलिंग विज्ञान, जिसमें "स्केलिंग लैडर" भी शामिल है, जो स्रोत स्केलिंग नामक तकनीक के माध्यम से बार-बार प्रशिक्षण डेटा का हिसाब रखता है, जो अद्वितीय डेटा के अनुपात को सभी पायदानों पर निर्धारित मापदंडों पर रखता है; मॉडल-इंफ्रास्ट्रक्चर सह-डिज़ाइन, जिसमें सक्रियण ग्रेडिएंट क्लिपिंग के साथ-साथ बेहतर MoE और म्यूऑन ऑप्टिमाइज़र कार्यान्वयन शामिल हैं; और विज़न डेटा के एकीकरण के साथ डेटा पाइपलाइनों का विस्तार किया। माइक्रोसॉफ्ट का कहना है कि स्रोत स्केलिंग बिना किसी आश्चर्य के 2.8-ट्रिलियन-पैरामीटर आकार तक विश्वसनीय रूप से स्केलिंग की कुंजी थी।

बाज़ार के लिए इसका क्या मतलब है

यदि दावे स्वतंत्र जांच के दायरे में आते हैं, तो एमएआई-बेस-2 माइक्रोसॉफ्ट को ओपनएआई, एंथ्रोपिक और गूगल के साथ चौथे प्रमुख पश्चिमी फ्रंटियर-मॉडल बिल्डर के रूप में रखता है - उपभोक्ता चैटबॉट माइंडशेयर के बजाय डेटा उद्गम और उद्यम लाइसेंसिंग पर आधारित एक विभेदित पिच के साथ। जो बाज़ार सबसे पहले मायने रखता है वह Azure का एंटरप्राइज़ ग्राहक आधार है, जहां फाउंड्री ग्राहक फ्रंटियर-क्लास मॉडल तक पहुंच प्राप्त कर सकते हैं जिसका प्रशिक्षण वंश Microsoft पूरी तरह से नियंत्रित करता है।

स्वतंत्र सत्यापन खुला प्रश्न बना हुआ है। माइक्रोसॉफ्ट के मूल्यांकन स्व-रिपोर्ट किए गए हैं, तुलना मॉडल की पोस्ट-प्रशिक्षण चेतावनी भौतिक है, और रखे गए टेक्स्ट पर बिट्स-प्रति-बाइट सीधे चैट, कोडिंग और एजेंटिक बेंचमार्क उद्यमों में अनुवाद नहीं करती है जिनके साथ उद्यम वास्तव में खरीदारी करते हैं। एमएआई-बेस-2 के पोस्ट-प्रशिक्षित डेरिवेटिव - एमएआई-थिंकिंग-1 के उत्तराधिकारी - वास्तविक परीक्षण होंगे। लेकिन घोषणा का अंतर्निहित संदेश स्पष्ट है: अपने स्वयं के सिलिकॉन बेड़े पर, फ्रंटियर मॉडलों को इन-हाउस प्रशिक्षण देने पर माइक्रोसॉफ्ट का दांव अब आकांक्षात्मक नहीं है। इसका एक तैयार आधार मॉडल है, और प्रशिक्षण के बाद की पाइपलाइन पहले से ही चल रही है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →