该部门 10 月 15 日在技术“实验室笔记”帖子中宣布，微软 AI 已完成 MAI-Base-2 的预训练，MAI-Base-2 是一种新的专家混合基础模型，拥有 800 亿个活动参数和 2.8 万亿个总参数。该公司表示，该模型的性能优于其在持续评估中测试的每个开放权重模型，并且预训练 FLOP 效率比最强的开放基础模型 DeepSeek-V4-Pro-Base 高 4 到 12 倍。
这一声明是迄今为止最明确的信号，表明微软的内部模型计划（由首席执行官 Mustafa Suleyman 的 Microsoft AI 组织建立）打算在前沿竞争，而不是仅仅依赖其 OpenAI 合作伙伴关系。 MAI-Base-2 目前正在进行后期训练，很快就会有更多结果。有关新模型发布的持续报道，请关注我们的 AI 模型新闻。
跑步的规模
微软表示，它在 2026 年 8 月和 9 月的 38 天里在 16,000 个 NVIDIA GB200 GPU 上训练了 MAI-Base-2。该运行平均模型 FLOP 利用率为 21%（根据 BF16 中 GB200 的理论最大值 2.5 PFLOPS 标准化，不包括重新实现和优化器 FLOP），并实现了 89% 的良好吞吐量——训练不间断进行的时间比例。这些数字描述了一场纪律严明的大规模跑步；在这种规模下，GPU 队列中断或利用率低下是常态，每一点的有效吞吐量都可以节省数周的训练时间。
该模型比其前身 MAI-Base-1 更大、更稀疏，并且接受了更多数据的训练，MAI-Base-1 是 Microsoft 6 月份发布的推理模型 MAI-Thinking-1 的基础。微软表示，它特意将 MAI-Base-2 训练方案节省的效率重新投入到训练更大的模型中。
微软如何评价它的比较
该公司使用保留文本的每字节位数（一种与标记器无关的指标）以及从 Microsoft 自己的代码库中提取的保留代码评估，针对 2026 年 10 月之前可用的前沿检查点评估了 MAI-Base-2。 STEM、数学和问答评估均由外部供应商委托进行，以降低训练集污染的风险，并且所有评估集均针对训练数据进行了净化。
比较集包括 DeepSeek-V4-Pro-Base，被微软描述为具有开放权重的最强大的基础模型，也是唯一发布的超过万亿参数的基础预训练检查点，以及 Kimi K3、Qwen3.8-2.4T-A95B 和 MiMo-V2.6-Pro-RL。微软指出了一个警告：对于这三个，只有训练后的检查点可用，并且训练后可能会影响训练前的评估。在进行的评估中，微软报告称 MAI-Base-2 的每字节位数比其他测试模型要低。
效率主张，解密
4-12 倍的效率数字并不是直接的基准胜利，而是计算匹配分析。对于每个进行的评估，Microsoft 针对训练 FLOP 拟合了每字节位数的缩放法则，并估计了自己的配方需要多少计算量才能匹配 DeepSeek-V4-Pro-Base 的分数。该范围反映了四项评估之间的差异。简而言之，微软表示，其配方在每单位训练计算中提取的能力是最强大的公开可用基础模型的数倍，并且它在规模上花费了多余的资金。
拥有全栈
除了原始表现之外，这篇文章还阐述了战略原理。微软表示，拥有端到端的模型管道使其拥有比训练代币更强大的数据来源，并且预训练依赖于有机数据，而不是从其他模型中提炼出来的。该公司认为，这种来源将使其能够通过 Foundry 作为值得信赖的前沿情报来源向企业许可模型权重，同时协同调整模型和基础设施首先降低微软自己产品的成本。
技术部分将此次运行的成功归功于三项举措：缩放科学，包括“缩放阶梯”，通过一种称为源缩放的技术来解释重复的训练数据，该技术保持跨梯级的唯一数据与参数的比率固定；模型基础设施协同设计，包括改进的 MoE 和 Muon 优化器实现以及激活梯度裁剪；并通过视觉数据的集成扩展了数据管道。微软表示，源扩展是可靠地扩展到 2.8 万亿参数大小且不会出现过度拟合的关键。
这对市场意味着什么
如果这些说法经得起独立审查，MAI-Base-2 将微软定位为与 OpenAI、Anthropic 和 Google 并列的第四大西方前沿模型构建者，其差异化宣传建立在数据来源和企业许可的基础上，而不是消费者聊天机器人的认知度上。最重要的市场是 Azure 的企业客户群，Foundry 客户可以在其中访问前沿级模型，其培训谱系由 Microsoft 完全控制。
独立核查仍然是一个悬而未决的问题。微软的评估是自我报告的，比较模型的训练后警告很重要，并且保留文本的每字节位数并不能直接转化为企业实际购买的聊天、编码和代理基准。 MAI-Base-2 的后训练衍生品（MAI-Thinking-1 的后继者）将是真正的考验。但该公告的基本信息是明确的：微软在自己的芯片组上内部训练前沿模型的赌注不再是理想的。它已经完成了基础模型，并且训练后管道已经在运行。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
