Microsoft AI zakończył wstępne szkolenie w zakresie MAI-Base-2, nowego, złożonego z ekspertów modelu podstawowego z 80 miliardami aktywnych parametrów i 2,8 biliona parametrów całkowitych, o czym poinformował oddział 15 października w technicznym poście „Lab Notes”. Firma twierdzi, że model ten przewyższa każdy model z otwartym obciążeniem, który testował na podstawie wstrzymanych ocen i jest od 4 do 12 razy bardziej wydajny pod względem FLOPów przed treningiem niż najsilniejszy model z otwartą podstawą, DeepSeek-V4-Pro-Base.

Oświadczenie to jest jak dotąd najwyraźniejszym sygnałem, że wewnętrzny program modelowy Microsoftu — zbudowany pod kierownictwem organizacji Microsoft AI zarządzanej przez dyrektora generalnego Mustafy Suleymana — ma zamiar konkurować na froncie, a nie polegać wyłącznie na partnerstwie w zakresie OpenAI. MAI-Base-2 znajduje się obecnie w fazie post-szkoleniowej i wkrótce obiecuje więcej wyników. Aby na bieżąco otrzymywać informacje o nowych modelach, śledź nasze aktualności dotyczące modeli AI.

Skala biegu

Microsoft twierdzi, że trenował MAI-Base-2 na 16 000 procesorów graficznych NVIDIA GB200 w ciągu 38 dni w sierpniu i wrześniu 2026 r. W trakcie testu wykorzystano średnio 21% FLOPów modelu (znormalizowane w stosunku do teoretycznego maksimum 2,5 PFLOPS GB200 w BF16, z wyłączeniem rematerializacji i FLOPów optymalizatora) i osiągnięto 89% dobrej wydajności — ułamek czasu, w którym szkolenie przebiegało bez przerw. Liczby te opisują zdyscyplinowany bieg na dużą skalę; przerwane lub źle wykorzystane karty graficzne są normą na tę skalę, a każdy punkt dobrej opinii przekłada się na tygodnie zaoszczędzonego czasu na szkolenia.

Model jest większy, rzadszy i wyszkolony na większej liczbie danych niż jego poprzednik, MAI-Base-1, który stał się podstawą MAI-Thinking-1, modelu rozumowania firmy Microsoft opublikowanego w czerwcu. Microsoft twierdzi, że celowo ponownie zainwestował oszczędności w zakresie wydajności wynikające z przepisu szkoleniowego MAI-Base-2 w szkolenie większego modelu.

Jak Microsoft twierdzi, że porównuje

Firma oceniła MAI-Base-2 w odniesieniu do granicznych punktów kontrolnych dostępnych przed październikiem 2026 r., wykorzystując liczbę bitów na bajt wstrzymanego tekstu — metrykę niezależną od tokenizatora — wraz z ocenami wstrzymanego kodu pobranymi z własnej bazy kodów Microsoftu. Aby zmniejszyć ryzyko zanieczyszczenia zestawu szkoleniowego, zlecono ewaluacje STEM, matematyczne oraz pytania i odpowiedzi zewnętrznym dostawcom, a wszystkie zestawy ewaluacyjne zostały oczyszczone z danych szkoleniowych.

Zestaw porównawczy obejmował DeepSeek-V4-Pro-Base, opisany przez Microsoft jako najpotężniejszy model podstawowy z otwartymi ciężarkami i jedynym wypuszczonym podstawowym punktem kontrolnym przedtreningowym powyżej jednego biliona parametrów, a także Kimi K3, Qwen3.8-2.4T-A95B i MiMo-V2.6-Pro-RL. Microsoft zauważa zastrzeżenie: w przypadku tych trzech dostępne są tylko punkty kontrolne po szkoleniu, a oceny po szkoleniu mogą mieć wpływ na oceny przed szkoleniem. Microsoft podaje, że w wstrzymanych ocenach MAI-Base-2 osiągnął niższą liczbę bitów na bajt niż inne testowane modele.

Twierdzenie dotyczące wydajności, rozszyfrowane

Wydajność 4-12x nie jest bezpośrednim zwycięstwem w teście porównawczym, ale analizą dopasowania obliczeniowego. Dla każdej wstrzymanej oceny firma Microsoft dopasowała prawo skalowania liczby bitów na bajt do trenowanych FLOPów i ​​oszacowała, ile obliczeń będzie musiała wykonać jego własna receptura, aby uzyskać wynik DeepSeek-V4-Pro-Base. Zakres odzwierciedla różnice pomiędzy czterema ocenami. Twierdzenie w prostych słowach: Microsoft twierdzi, że jego przepis wyodrębnia kilka razy więcej możliwości na jednostkę obliczeniową uczącą niż najsilniejszy, ogólnodostępny model podstawowy — i tę nadwyżkę wydał na skalę.

Posiadanie pełnego stosu

Poza samymi wynikami post przedstawia uzasadnienie strategiczne. Microsoft twierdzi, że posiadanie kompleksowego potoku modeli zapewnia mu silne pochodzenie danych w porównaniu z tokenami szkoleniowymi, a szkolenie wstępne opiera się na danych organicznych, bez destylacji z innych modeli. Firma twierdzi, że to pochodzenie umożliwi przedsiębiorstwom udzielanie licencji na wagi modeli za pośrednictwem Foundry jako zaufanego źródła pionierskich informacji, a wspólne dostrajanie modeli i infrastruktury obniży przede wszystkim koszty własnych produktów Microsoftu.

Sekcja techniczna przypisuje sukces serii trzem inicjatywom: nauka skalowania, w tym „drabinki skalowania”, które uwzględniają powtarzające się dane szkoleniowe za pomocą techniki zwanej skalowaniem źródła, która utrzymuje stały stosunek unikalnych danych do parametrów na wszystkich szczeblach; wspólne projektowanie modelu i infrastruktury, w tym ulepszone implementacje optymalizatora MoE i Muon wraz z obcinaniem gradientu aktywacji; i rozszerzone potoki danych dzięki integracji danych wizyjnych. Microsoft twierdzi, że skalowanie źródła było kluczem do niezawodnego skalowania do rozmiaru 2,8 biliona parametrów bez nadmiernych niespodzianek.

Co to oznacza dla rynku

Jeśli twierdzenia zostaną potwierdzone przez niezależną analizę, MAI-Base-2 plasuje Microsoft na pozycji czwartego, obok OpenAI, Anthropic i Google, twórcy modeli z pogranicza Zachodu – ze zróżnicowanym podejściem opartym na pochodzeniu danych i licencjach dla przedsiębiorstw, a nie na dzieleniu się umysłami chatbotów konsumenckich. Najważniejszym rynkiem jest baza klientów korporacyjnych platformy Azure, na której klienci Foundry mogą uzyskać dostęp do modelu najwyższej klasy, nad którym firma Microsoft w pełni kontroluje linię szkoleniową.

Niezależna weryfikacja pozostaje kwestią otwartą. Oceny firmy Microsoft są zgłaszane samodzielnie, zastrzeżenia modeli porównawczych po szkoleniu są istotne, a liczba bitów na bajt wstrzymanego tekstu nie przekłada się bezpośrednio na czat, kodowanie i testy porównawcze agentów, z których faktycznie korzystają przedsiębiorstwa. Prawdziwym testem będą wytrenowane pochodne MAI-Base-2 — następcy MAI-Thinking-1. Ale przesłanie leżące u podstaw ogłoszenia jest jednoznaczne: zakład Microsoftu na szkolenie pionierskich modeli we własnym zakresie, przy użyciu własnej floty krzemowej, nie jest już aspiracyjny. Ma gotowy model bazowy, a potok poszkoleniowy już działa.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →