微軟 AI 在 10 月 15 日公布了新一代基礎模型 MAI-Base-2 的預訓練細節。這是一個混合專家（MoE）模型，總參數 2.8 兆、啟用參數 800 億，預訓練已經完成，目前正在進行後訓練。6 月發布的 MAI-Thinking-1 採用的是上一代 MAI-Base-1。
微軟的主要說法有兩點。一是 "MAI-Base-2 outperforms every open-weight model we tested on our held-out evaluations"（在內部保留評測上，MAI-Base-2 超越了所有測試過的開放權重模型）。二是效率：與微軟認為最強的開源基座 DeepSeek-V4-Pro-Base 相比，達到同等水準所需的預訓練算力少 4.2 到 12.3 倍，比自家的 MAI-Base-1 則少 6.3 到 12.7 倍，省下的算力用來訓練更大的模型。參與對照的還有 Qwen3.8 的 2.4T-A95B 版本。
這些評測使用的是微軟自己的保留集，題目和逐項分數並未公開，外界目前無法重現。
資料與訓練
微軟在部落格中明確寫道，訓練資料全部由團隊自行處理，"does not involve distillation from other models"（不涉及從其他模型蒸餾）。訓練混合資料共 50 兆 token，以獨特 token 計算，語料比 MAI-Base-1 多約 36%。視覺資料是原生加入的，獨特視覺 token 有 4.5 兆，占訓練混合資料的 18%。
硬體方面使用 1 萬 6000 張 GB200，於 2026 年 8 月到 9 月連續運轉 38 天。平均 MFU（模型算力使用率）為 21%，有效訓練時間占比為 89%。工程上的改動集中在 MoE 層與最佳化器：MoE 層的 MFU 從 24% 提升到 35%；Muon 最佳化器經過分片與通訊最佳化，單步開銷壓到迭代時間的 2.1%，約 165 毫秒；訓練穩定性則靠啟用梯度裁剪（activation gradient clipping）維持，微軟表示它同時也成了排查訓練資料問題的診斷工具。
在方法上，團隊以一套 scaling ladder 在小規模下評估模型改動，並提出 source scaling，確保小型實驗的結論能夠遷移到大規模；學習率、權重衰減與 dropout 的縮放規律也重新推導了一遍。
粗略算一筆帳
部落格給出的數字，足以讓人自己驗算一遍。GB200 的 BF16 理論峰值依部落格所寫的 2.5 PFLOPS 計算，1 萬 6000 張、21% 使用率，每秒有效算力約為 8.4×10^18 次浮點運算；38 天乘上 89% 的有效時間，約 292 萬秒。兩者相乘，總訓練算力粗估約為 2.5×10^25 FLOPs。
再用常見的經驗公式交叉驗證：訓練算力約等於 6 × 啟用參數 × 訓練 token 數，即 6 × 800 億 × 50 兆，約 2.4×10^25。兩種算法落在同一量級，差距在 5% 以內，顯示微軟公布的 MFU、時長與資料量彼此對得上。換算成 GPU 小時，約為 1460 萬小時。
就已公開訓練數字的模型來看，這個規模名列前茅。比較基準還缺一塊：微軟沒有說明 DeepSeek-V4-Pro-Base 的算力如何估算，「4 到 12 倍」的基準如何選取，部落格也沒有展開，目前只能以微軟自己的口徑為準。
尚未公布的部分
MAI-Base-2 的後訓練結果要等完成後才會公布。微軟沒有說是否會開放權重，也沒有說會以什麼產品型態上線，是整合進 Copilot，還是放到 Foundry 供企業呼叫，目前都看不出來。
部落格最後提到，MAI-Base-3 已經在籌備中。從 MAI-Base-1 到 2，微軟把語料擴增了三成多、參數推到 2.8 兆，同時公開了 MFU 和 GPU 小時這類多數實驗室不願披露的數字，這樣的透明度在前沿實驗室中相當少見。
參考來源：微軟 AI 官方部落格、CocoLoop；已核對參數規模、訓練 token、GPU 數量與 MFU 口徑，訓練總算力為本站依公開數字粗估。