AI 摘要
- 微軟 MAI-Base-2 已完成預訓練，官方稱性能強於所有參測的開源權重模型
- 模型總參數 2.8T、活躍參數 80B，於 6000 塊英偉達 GB200 GPU 上訓練 38 天
- 微軟稱其預訓練算力效率為 DeepSeek-V4-Pro-Base 的 4 至 12 倍
微軟宣布，新一代 SOTA 基礎模型微軟 MAI-Base-2已完成預訓練。官方表示，其性能強於所有參測的開源權重模型。這次發布的重點不只在模型規模，還在於訓練效率與大型集群上的工程表現。
核心規格
根據來源資料，微軟 MAI-Base-2 的主要訓練規格如下：
| 項目 | 數據 |
|---|---|
| 總參數規模 | 2.8T |
| 活躍參數 | 80B |
| 訓練硬件 | 6000 塊英偉達 GB200 GPU |
| 訓練時長 | 38 天 |
| 平均浮點算力利用率（MFU） | 21% |
| 有效吞吐量 | 89% |
算力效率與對比
微軟表示，微軟 MAI-Base-2 的預訓練算力效率達到 DeepSeek-V4-Pro-Base 的 4 至 12 倍。在超大集群上維持 21% 的平均浮點算力利用率與 89% 的有效吞吐量，被視為工程能力的具體體現。在業界持續投入大量資本建設基礎設施的情況下，單位算力產出的差距比單純增加參數規模更具策略意義。
技術策略
微軟將這次成果歸因於三項因素：科學化的規模化、模型與基礎設施的協同設計，以及數據規模化。換言之，這次突破並非單純增加運算資源，而是讓算法、硬件與數據配方同步優化。
後續發展
在 微軟 MAI-Base-2 完成預訓練的同時，微軟也已啟動 MAI-Base-3 的籌備工作，顯示其在基礎模型競賽中持續加速布局。
Reference Link : news.aibase.com
