مائیکروسافٹ AI نے MAI-Base-2 پر پری ٹریننگ مکمل کر لی ہے، جو کہ 80 بلین ایکٹیو پیرامیٹرز اور 2.8 ٹریلین کل پیرامیٹرز کے ساتھ ماہرین کا ایک نیا مرکب ماڈل ہے، ڈویژن نے 15 اکتوبر کو ایک تکنیکی "لیب نوٹس" پوسٹ میں اعلان کیا۔ کمپنی کا کہنا ہے کہ یہ ماڈل ہر اوپن ویٹ ماڈل سے بہتر کارکردگی کا مظاہرہ کرتا ہے جسے اس نے ہولڈ آؤٹ تشخیص پر آزمایا ہے اور یہ سب سے مضبوط اوپن بیس ماڈل، DeepSeek-V4-Pro-Base کے مقابلے میں 4 سے 12 گنا زیادہ پری ٹریننگ FLOPs موثر ہے۔

یہ اعلان ابھی تک سب سے واضح اشارہ ہے کہ مائیکروسافٹ کا ان ہاؤس ماڈل پروگرام - جو سی ای او مصطفیٰ سلیمان کی مائیکروسافٹ اے آئی آرگنائزیشن کے تحت بنایا گیا ہے - اپنی OpenAI شراکت پر مکمل انحصار کرنے کے بجائے فرنٹیئر پر مقابلہ کرنے کا ارادہ رکھتا ہے۔ MAI-Base-2 اب پوسٹ ٹریننگ سے گزر رہا ہے، جس کے مزید نتائج جلد ہی متوقع ہیں۔ نئے ماڈل کی ریلیز کی جاری کوریج کے لیے، ہماری AI ماڈل نیوز پر عمل کریں۔

رن کا پیمانہ

مائیکروسافٹ کا کہنا ہے کہ اس نے اگست اور ستمبر 2026 میں 16,000 NVIDIA GB200 GPUs پر MAI-Base-2 کی تربیت کی۔ FLOPs) اور 89% گڈ پٹ حاصل کیا - وقت کی تربیت کا حصہ بغیر کسی رکاوٹ کے آگے بڑھا۔ یہ تعداد نظم و ضبط کے ساتھ بڑے پیمانے پر دوڑ کو بیان کرتی ہے۔ اس پیمانے پر وقفے وقفے سے یا ناقص استعمال شدہ GPU فلیٹ معمول ہیں، اور گڈ پٹ کا ہر نقطہ ہفتہ کے محفوظ شدہ تربیتی وقت میں ترجمہ کرتا ہے۔

یہ ماڈل اپنے پیشرو MAI-Base-1 سے زیادہ بڑا، کم اور زیادہ ڈیٹا پر تربیت یافتہ ہے، جس نے MAI-Thinking-1 کی بنیاد کا کام کیا، مائیکروسافٹ کا جون میں ریلیز ہونے والا استدلال ماڈل۔ مائیکروسافٹ کا کہنا ہے کہ اس نے جان بوجھ کر MAI-Base-2 کی تربیتی ترکیب سے بچت کی بچت کو بڑے ماڈل کی تربیت میں دوبارہ لگایا۔

مائیکروسافٹ کہتا ہے کہ اس کا موازنہ کیسے ہوتا ہے۔

کمپنی نے ہولڈ آؤٹ ٹیکسٹ پر بٹس فی بائٹ کا استعمال کرتے ہوئے اکتوبر 2026 سے پہلے دستیاب فرنٹیئر چیک پوائنٹس کے خلاف MAI-Base-2 کا جائزہ لیا — ایک ٹوکنائزر-ایگنوسٹک میٹرک — ساتھ ہی Microsoft کے اپنے کوڈ بیس سے تیار کردہ ہولڈ آؤٹ کوڈ کی تشخیص بھی۔ ٹریننگ سیٹ کی آلودگی کے خطرے کو کم کرنے کے لیے STEM، ریاضی، اور سوال و جواب کے جائزے بیرونی دکانداروں سے کیے گئے تھے، اور تمام تشخیصی سیٹوں کو تربیتی ڈیٹا کے خلاف آلودگی سے پاک کر دیا گیا تھا۔

موازنہ سیٹ میں DeepSeek-V4-Pro-Base شامل ہے، جسے Microsoft نے کھلے وزن کے ساتھ سب سے زیادہ قابل بیس ماڈل کے طور پر بیان کیا ہے اور ایک ٹریلین پیرامیٹرز سے اوپر کا واحد جاری کردہ بیس پری ٹریننگ چیک پوائنٹ، علاوہ Kimi K3، Qwen3.8-2.4T-A95B، اور MiMo-V2.6-Pro-RL۔ مائیکروسافٹ ایک انتباہ نوٹ کرتا ہے: ان تینوں کے لیے، صرف پوسٹ ٹریننگ چیک پوائنٹس دستیاب ہیں، اور پوسٹ ٹریننگ پری ٹریننگ کی تشخیص کو متاثر کر سکتی ہے۔ منعقد کی گئی تشخیص کے دوران، مائیکروسافٹ نے رپورٹ کیا کہ MAI-Base-2 نے دوسرے ماڈلز کے مقابلے میں کم بٹس فی بائٹ حاصل کیے۔

کارکردگی کا دعویٰ، ڈی کوڈ کیا گیا۔

4-12x کارکردگی کا اعداد و شمار براہ راست بینچ مارک جیت نہیں ہے بلکہ ایک کمپیوٹ میچنگ تجزیہ ہے۔ ہر منعقد شدہ تشخیص کے لیے، مائیکروسافٹ نے ٹریننگ FLOPs کے خلاف بٹس فی بائٹ کا اسکیلنگ قانون لگایا اور اندازہ لگایا کہ DeepSeek-V4-Pro-Base کے سکور سے مماثل ہونے کے لیے اس کی اپنی ترکیب کی کتنی ضرورت ہوگی۔ رینج چار تشخیصوں میں فرق کو ظاہر کرتی ہے۔ دعویٰ، سادہ الفاظ میں: مائیکروسافٹ کا کہنا ہے کہ اس کا نسخہ ٹریننگ کمپیوٹ کے فی یونٹ مضبوط ترین کھلے عام دستیاب بیس ماڈل سے کئی گنا زیادہ صلاحیت نکالتا ہے - اور اس نے اس فاضل کو پیمانے پر خرچ کیا۔

مکمل اسٹیک کا مالک

خام کارکردگی سے ہٹ کر، پوسٹ اسٹریٹجک دلیل پیش کرتی ہے۔ مائیکروسافٹ کا کہنا ہے کہ اس کی ماڈل پائپ لائن کے اختتام سے آخر تک ملکیت اسے تربیتی ٹوکنز پر مضبوط ڈیٹا فراہم کرتی ہے، اور یہ کہ پری ٹریننگ نامیاتی ڈیٹا پر انحصار کرتی ہے جس میں دوسرے ماڈلز سے کوئی کشید نہیں ہوتی ہے۔ کمپنی کا استدلال ہے کہ یہ ثابت ہونے سے وہ فرنٹیئر انٹیلی جنس کے ایک قابل اعتماد ذریعہ کے طور پر فاؤنڈری کے ذریعے کاروباری اداروں کو ماڈل وزن کا لائسنس دے گا، جب کہ مائیکروسافٹ کی اپنی مصنوعات میں کو-ٹیوننگ ماڈلز اور انفراسٹرکچر پہلے لاگت کو کم کرتا ہے۔

تکنیکی سیکشن رن کی کامیابی کے لیے تین اقدامات کا سہرا دیتا ہے: اسکیلنگ سائنس، بشمول "اسکیلنگ سیڑھی" جو کہ سورس اسکیلنگ نامی تکنیک کے ذریعے بار بار تربیتی ڈیٹا کا حساب رکھتی ہے، جو منفرد اعداد و شمار کے تناسب کو پیرامیٹرز میں طے کرتی ہے۔ ماڈل-انفراسٹرکچر کو-ڈیزائن، بشمول ایکٹیویشن گریڈینٹ کلپنگ کے ساتھ بہتر MoE اور Muon آپٹیمائزر کے نفاذ؛ اور وژن ڈیٹا کے انضمام کے ساتھ توسیع شدہ ڈیٹا پائپ لائنز۔ مائیکروسافٹ کا کہنا ہے کہ ماخذ اسکیلنگ 2.8-ٹریلین پیرامیٹر سائز کو قابل بھروسہ طور پر اسکیلنگ کرنے کی کلید تھی بغیر کسی حیرت کے۔

مارکیٹ کے لیے اس کا کیا مطلب ہے۔

اگر دعوے آزادانہ جانچ پڑتال کے تحت برقرار رہتے ہیں، MAI-Base-2 Microsoft کو OpenAI، Anthropic، اور Google کے ساتھ ساتھ چوتھے بڑے مغربی فرنٹیئر ماڈل بلڈر کے طور پر پوزیشن دیتا ہے — صارفین کی چیٹ بوٹ مائنڈ شیئر کی بجائے ڈیٹا پرووینس اور انٹرپرائز لائسنسنگ پر مبنی ایک امتیازی پچ کے ساتھ۔ مارکیٹ جو سب سے پہلے اہمیت رکھتی ہے وہ Azure کا انٹرپرائز کسٹمر بیس ہے، جہاں فاؤنڈری کے صارفین فرنٹیئر کلاس ماڈل تک رسائی حاصل کر سکتے ہیں جس کا تربیتی سلسلہ Microsoft مکمل طور پر کنٹرول کرتا ہے۔

آزاد توثیق کھلا سوال ہے۔ مائیکروسافٹ کے تجزیے خود رپورٹ کیے گئے ہیں، موازنہ ماڈلز کی پوسٹ ٹریننگ کیویٹ مواد ہے، اور ہولڈ آؤٹ ٹیکسٹ پر بٹس فی بائٹ براہ راست چیٹ، کوڈنگ، اور ایجنٹ بینچ مارکس انٹرپرائزز کے ساتھ اصل میں خریداری نہیں کرتے ہیں۔ MAI-Base-2 کے بعد از تربیت یافتہ مشتقات — MAI-Thinking-1 کے جانشین — اصل امتحان ہوں گے۔ لیکن اعلان کا بنیادی پیغام غیر مبہم ہے: مائیکروسافٹ کا اپنے سلیکون بیڑے پر گھر کے اندر فرنٹیئر ماڈلز کی تربیت پر شرط اب کوئی خواہش مند نہیں ہے۔ اس کا ایک مکمل بیس ماڈل ہے، اور پوسٹ ٹریننگ پائپ لائن پہلے ہی چل رہی ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →