微软发布2.8万亿参数MAI-Base-2 效率超开源模型12倍

微软 AI 研究团队于2026年10月15日通过官方博客《Frontier Pre-training at Microsoft AI》公布，新一代基础模型 MAI-Base-2 已完成预训练：这是总参数2.8万亿、激活参数800亿的混合专家（MoE）模型，在微软自备的留出评测上超越所有受测开源权重模型，预训练 FLOPs 效率据称比最强开源基础模型 DeepSeek-V4-Pro-Base 高4至12倍，并计划通过 Foundry 向可信伙伴授权权重。

MAI-Base-2关键参数与训练规模

MAI-Base-2 是继6月 MAI-Thinking-1（基于 MAI-Base-1，350亿激活/1万亿总参数）之后微软基础模型路线的又一次跃升。其核心参数如下：

训练过程中，平均模型 FLOPs 利用率（MFU）为21%，有效训练时间占比（goodput）达89%。微软特别强调，MAI-Base-2 的训练数据全部来自自有管线的有机数据，不涉及对其他模型的蒸馏，这为其向企业客户提供”数据来源可追溯”的承诺奠定了基础。

超越开源模型的关键技术路线

微软将 MAI-Base-2 的成功归功于三条技术主线：

第一，稳健的缩放阶梯（Scaling Ladder）。微软用不同规模的模型家族配合固定训练配方来评估改动，各阶梯以层数 L 唯一确定其余架构，并在保持”每激活参数训练 token 数（TPP）”恒定的前提下放大模型。为处理小规模多轮训练，团队采用”源缩放”（Source Scaling）技术，人为限制小模型训练样本集合，使各数据集无论训练时长都被重复相同次数，从而可靠预测大模型的训练表现。

第二，模型与基础设施协同设计。MAI-Base-2 完全由 MoE 层构成，改进了 MoE 与 Muon 优化器实现，并引入激活梯度裁剪防止长程训练中的梯度异常。无丢弃的专家调度将专家层利用率从24%提升至35%，大幅压缩了算力浪费。

第三，数据管线的全面升级。微软扩展了数据处理管道，覆盖更多网页内容，强化质量分类、页面分析、去重以及评测集与训练集的去污染；同时将视觉数据从预训练阶段就纳入，采用无编码器 VLM 设置，使模型理解科学图表等视觉密集型任务的能力显著优于前代。

效率对比：4-12倍优势如何理解

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 相同评测水平，MAI-Base-2 的训练配方所需算力仅为对方的约四分之一到十二分之一。需要明确的是，这并非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；对比对象中 Kimi K3、Qwen3.8-2.4T-A95B、MiMo-V2.6-Pro-RL 仅有后训练版本可用，微软在文中也标注了这一限制。

在评测方法上，微软使用与分词器无关的每字节比特数（BPB）对比预训练模型：代码评测使用微软自有代码库，STEM、数学与问答评测则由第三方供应商定制，以降低训练集污染风险。结果显示，MAI-Base-2 在全部留出评测上取得比受测模型更低的 BPB。

商业路径：不开源，走 Foundry 授权

与 Meta 开源 816B 模型的路线不同，微软明确表示不会公开 MAI-Base-2 权重，而是通过 Foundry 向”可信伙伴”授权，并以其为基础驱动新一代 LLM 产品线。这一选择背后是微软对全栈自研的坚持：从训练数据、模型到运行基础设施全部自有，从而可以端到端调优模型与基础设施，实现最低成本下的最佳性能。

对企业客户而言，MAI-Base-2 的卖点不只是参数规模，而是数据来源可追溯、训练不依赖外部蒸馏、推理基础设施与模型同源调优。目前模型正处于后训练阶段，面向用户的完整成绩尚未公布；微软同时表示，MAI-Base-3 的准备工作已经启动。

行业影响与待观察点

MAI-Base-2 的发布是基础模型军备竞赛的最新注脚：当开源阵营通过高效 MoE 不断压低训练成本时，微软选择以”授权制”参与竞争，押注企业客户对数据溯源与合规的需求高于对开放权重的需求。

接下来的关键变量包括：后训练版本能否兑现预训练阶段的效率优势、Foundry 授权的定价与准入标准、MAI-Base-2 衍生模型在真实任务上的独立评测结果。对采购方而言，需要追问的核心问题是：12倍效率提升的具体口径是什么、衍生模型如何授权、每个发布伴随怎样的安全护栏与评测数据。在独立验证出现之前，它首先是一个值得关注的研发里程碑，而非可直接商用的成品。

常见问题（FAQ）

MAI-Base-2有多少参数？

总参数2.8万亿，激活参数800亿，采用混合专家架构，完全由 MoE 层构成。

MAI-Base-2比DeepSeek强在哪里？

微软称其在涵盖科学、编程、数学的内部基准上超越 DeepSeek-V4-Pro-Base，且预训练 FLOPs 效率据称高出4至12倍。

MAI-Base-2是开源模型吗？

不是。微软计划通过 Foundry 向可信伙伴授权权重，不公开开放下载。

MAI-Base-2现在可以使用吗？

目前仍处于后训练阶段，面向用户的模型与完整成绩尚未公布。

MAI-Base-2的12倍效率提升是什么意思？

指按缩放定律拟合估算，达到 DeepSeek-V4-Pro-Base 相同评测水平所需算力约为对方的四分之一到十二分之一，是配方效率而非同场跑分结果。

参考资料：Microsoft AI 官方博客、SiliconANGLE、GIGAZINE、AI工具导航相关报道