极欧互联
GEO资讯

微软2.8万亿参数模型预训练完成，自研路线再进一步

发布于 2026/10/21 13 次阅读
微软2.8万亿参数模型预训练完成，自研路线再进一步

微软AI官宣：MAI-Base-2完成预训练

10月15日，微软AI部门发布技术博客《Frontier Pre-training at Microsoft AI》，宣布完成新一代基座模型MAI-Base-2的预训练。这是一款混合专家（MoE）架构的AI大模型：总参数量2.8万亿，每个词元激活约800亿参数，激活比例不到总量的3%。据技术博客披露，训练在8月至9月间进行，动用1.6万块英伟达GB200 GPU，耗时38天，训练数据规模50万亿词元，其中约18%为视觉语言数据。模型目前处于后训练阶段，权重未公开，发布时间与定价均未公布。

效率声明：一个需要仔细读的数字

这次发布里受到关注也容易被误读的，是微软给出的效率对比：按其测算，MAI-Base-2的预训练FLOPs效率达到DeepSeek-V4-Pro-Base的4.2至12.3倍，较上一代MAI-Base-1提升6.3至12.7倍（厂商自报口径）。TechTimes在解读中指出，这一数字来自缩放律外推——即估算"用微软的配方要多少算力才能追平对手的成绩"——并非实际消耗算力的直接对比；实际训练消耗的总算力反而更多，省下的配额被用于把模型训练得更大。微软AI CEO苏莱曼在社交平台引用了12倍的上限数字，海外媒体提醒读者注意口径差异。

另一组厂商自报数据是评测成绩：在与DeepSeek-V4-Pro-Base、Kimi K3、Qwen3.8-2.4T-A95B、MiMo-V2.6-Pro-RL等开放权重模型的留出集对比中，MAI-Base-2取得更低的BPB（每字节比特数）。THE ELEC等媒体指出，微软模型尚未登陆Artificial Analysis等独立评测平台，上述成绩缺乏第三方复测。微软同时强调，预训练数据全部为自有管线采集、不含其他模型蒸馏产物——这是厂商声明，未经独立审计。

背景：从"借船"到"造船"

把时间线拉长看，这条新闻的分量在路线而非单点。6月，微软发布基于MAI-Base-1（总参数1万亿、激活350亿）后训练的推理模型MAI-Thinking-1，仅通过Azure AI Foundry私有预览提供；此次MAI-Base-2预训练完成，意味着自研模型管线迈向了2.8万亿级。海外科技媒体普遍将其解读为微软降低对OpenAI模型依赖、走向全栈自研的又一步：模型、基础设施与数据管线由自己掌握，再通过Foundry把权重授权给企业客户。据Business Insider转述，苏莱曼在内部会议上称MAI-Base-2强于GPT-5.6所用的预训练基座、且算力消耗约为其四分之一——该说法未见微软官方文件佐证。

企业视角：模型供给多元化对GEO意味着什么

对企业来说，这条新闻的直接影响短期内有限——模型未开放、定价未公布——但中期信号值得留意：如果微软把MAI系列模型经Foundry推向企业市场，企业级AI的供给方阵容将进一步扩容，企业内容面对的AI检索环境也会更加多元。做GEO优化（生成式引擎优化）时，被AI引用这件事不能再只盯着某一两家模型：企业官网的内容结构、事实清晰度与信源可核验性，决定了它在不同模型的知识管线里能否被稳定读取。极欧互联（jiougeo.com）在项目中建议客户按"结构化事实层+多引擎监测"的顺序推进，模型越多，这套底层的价值越明显。

趋势研判：自研与授权并行成巨头标配

可以预期的是，头部厂商"自研底座+对外授权"的组合会成为行业标配，模型供给侧的竞争将更多转向算力效率与数据合规，而非单纯的参数规模。TechTimes提到，MAI-Base-3的筹备已经在进行。对观察者而言，接下来值得跟踪的节点有两个：MAI-Base-2后训练结果何时公布、以及Foundry授权的具体伙伴与条款。在独立评测缺位之前，围绕它的所有成绩表述，都建议按厂商自报口径对待。

信息来源

返回文章列表
18518089528 获取诊断报告