MAI-Base-2 的预训练已经完成。2026年10月15日，Microsoft AI 在官方博文《Frontier Pre-training at Microsoft AI》中公布了这款基础模型的细节：它是一个混合专家模型，总参数 2.8 万亿，每次推理只激活约 800 亿参数。在微软自备的留出评测上，它的每字节比特数低于所有受测的开源权重模型。
先把效率口径说清楚
最受关注的数字是效率。微软称，按其缩放定律拟合估算，达到 DeepSeek-V4-Pro-Base 相同的评测水平，MAI-Base-2 的训练配方所需算力只有对方的约四分之一到十二分之一。需要注意，这不是两款模型在同一算力下同场跑出的成绩，而是用缩放曲线反推的配方效率；部分对比对象只有后训练版本，微软在文中也标注了这一限制。把口径看清，这个数字说明的其实是训练方法在进步，而不是某次跑分的胜负。
38 天、1.6 万张卡跑出来的配方
这轮训练在 2026 年 8 月至 9 月进行，用了 16000 张 GB200，跑了 38 天，平均算力利用率 21%，有效训练时间占比 89%。支撑它的有三件事：带源缩放的缩放阶梯，用小模型实验预测大模型表现；让每层都用混合专家，无丢弃的专家调度把专家层利用率从 24% 提到 35%；以及用 Muon 优化器替代常见的 AdamW。微软强调训练数据来自自有渠道的原生数据，不做来自其他模型的蒸馏。
为什么微软要自建这条管线
MAI-Base-2 目前还在后训练阶段，面向用户的版本和完整成绩尚未公布。微软在文中给出的商业路径是通过 Foundry 向可信伙伴授权权重。对客户来说，卖点不只是参数规模，而是数据来源可追溯、训练与推理基础设施由同一方调优。换句话说，微软想握住的不再只是分发入口，还包括前沿模型本身的生产过程；接下来要看的，是后训练版本能否把预训练阶段的效率优势兑现成真实任务表现。
