微软完成 MAI-Base-2 预训练：2.8 万亿参数，称算力仅为 GPT-5.6 基座四分之一

微软宣布完成新一代自研模型 MAI-Base-2 的预训练。该模型总参数为 2.8 万亿，采用 MoE 混合专家架构，每次仅激活 800 亿参数。

按照微软披露的信息，今年 8 月至 9 月，公司动用 1.6 万张 NVIDIA GB200 GPU，训练持续 38 天，累计处理约 50 万亿 Token。MAI-Base-2 还首次引入原生视觉预训练，视觉数据占训练量的 18%。

内部测试与算力对比说法

微软公布的内部测试显示，MAI-Base-2 在代码、问答、数学和理工学科的文本预测指标上，超过 DeepSeek-V4-Pro-Base、Kimi K3、Qwen3.8 等模型。

微软同时表示，如果目标只是训练出与 DeepSeek-V4-Pro-Base 同等水平的模型，其方法只需约 1/4 至 1/12 的算力。不过，微软继续投入更多算力，将模型做得更大、更强，因此 MAI-Base-2 实际消耗的训练算力仍高于 DeepSeek。

微软 AI 负责人 Mustafa Suleyman 在 10 月 15 日的内部会议上称，MAI-Base-2 的预训练基座已经强于支撑 GPT-5.6 Sol 的 OpenAI 模型，而训练算力仅为后者的四分之一。

训练方法与后续计划

微软称，公司改进了 MoE 专家调度、Muon 优化器和数据筛选方法，以减少显存浪费，并提高大规模训练的稳定性。

微软还强调，所有训练数据均由公司自行处理，没有通过蒸馏其他公司的模型获取能力。

目前，MAI-Base-2 仍处于后训练阶段。微软计划先将其用于自家产品，之后再通过 Foundry 向企业合作伙伴授权模型权重。