01要点
- 微软 AI 于 10 月 15 日发技术博客,宣布自研底座 MAI-Base-2 预训练完成:MoE,总参约 2.8 万亿、每 token 激活约 800 亿,原生视觉语言。
- 官方称用约 1.6 万块英伟达 GB200,在 2026 年 8–9 月跑了约 38 天,训练约 50 万亿 token;平均 MFU 约 21%、goodput 约 89%。
- 博客称相对 DeepSeek-V4-Pro-Base,预训练 FLOPs 效率约高 4.2–12.3 倍;模型仍在后训练,暂无公开权重与产品上线时间。
- Business Insider 报道:微软 AI CEO Mustafa Suleyman 在内部会上称,该底座强于目前支撑 GPT-5.6 Sol 的预训练模型,且训练算力约只用对方的四分之一——属公司自述与内部对比,外界未独立复核。
02发生了什么
10 月 15 日,微软 AI 发布《Frontier Pre-training at Microsoft AI》,披露继 6 月 MAI-Base-1 / MAI-Thinking-1 之后,新一代底座 MAI-Base-2 已完成预训练。规格上,相对 Base-1 的约 1 万亿总参 / 350 亿激活,Base-2 扩到约 2.8 万亿总参 / 800 亿激活,层数更多、改为每层 MoE,并首次在预训练阶段原生接入视觉。
训练账本写得很细:约 1.6 万块 GB200、约 38 天、约 50T token,并给出 MFU、goodput 与相对 DeepSeek-V4-Pro-Base、相对自家 Base-1 的效率倍数。公司强调训练数据走自有有机管线、不做蒸馏,并表示未来可能通过 Azure Foundry 向可信伙伴授权权重。博客同时写明:Base-2 正在后训练,Base-3 筹备已启动;没有公布 API、定价或开放时间表。
同日,Business Insider 引述 Suleyman 内部全员会发言,把自家底座与 OpenAI 侧模型直接对比,并重申相对 DeepSeek 的算力效率叙事。微软对媒体评论请求未置评,OpenAI 未回应。
03共识与分歧
共识较清楚:这是微软首次把「万亿级自研底座」的预训练过程摊到公开技术文,参数规模、算力规模和效率口径都可核对原文;市场把它读成微软降低对 OpenAI 依赖、自建超级智能管线的又一步。
分歧主要在「赢了多少」。博客里的 BPB、相对 DeepSeek 的 4–12 倍 FLOPs 效率,以及 Suleyman 所说「强于 GPT-5.6 Sol 背后底座、算力约四分之一」,目前都是微软自评或内部对比,缺少公开第三方盲测。也有讨论指出:文中效率多用训练 FLOPs 口径,而团队实际又更看 wall-clock;MFU 约 21% 并不算出众,更多说明规模与稳定性,不宜直接外推成「成本降到几分之一」。
04舆论与逻辑
Techmeme 将此事顶到头条位;Mustafa Suleyman 本人在 X 发帖引流技术博客,中英文讨论迅速铺开。一派强调「微软终于把自研底座练到可对标前沿的量级」;另一派提醒评测未公开、后训练未完成,现阶段更像训练科学公示,不是产品发布。和前一日 Meta Muse Spark Open「开权重落地」形成对照:微软走的是闭源底座 + 效率叙事 + Foundry 授权想象。
05依据与来源
06影响标注
利好
MSFT官方确认万亿级自研底座预训练完成,强化自建模型与 Foundry 授权叙事NVDA训练披露使用约 1.6 万块 GB200,延续前沿训练对高端 GPU 集群的需求
利空
- 无直接利空 尚无产品上线、定价或独立评测,不构成对特定竞品的可交易冲击
中性
视情况
- 云与大模型竞争格局 微软与 OpenAI 关系仍存合作与竞合;后训练与对外授权节奏未定