12倍效率提升的说法该怎么看?

看到“效率提升12倍”这种说法，我第一反应不是兴奋，是先去翻它到底怎么算的。这次微软的 MAI-Base-2 就是个典型例子：数字很响，但口径得掰开看。

微软说，按缩放定律拟合估算，达到 DeepSeek-V4-Pro-Base 同等评测水平，它这套训练配方所需算力只有对方的约四分之一到十二分之一。注意关键词——“拟合估算”。这不是两个模型在同一批硬件上同场跑出来的成绩，而是拿缩放曲线反推出来的配方效率。说白了，它回答的是“如果按我的方法造，理论上能省多少”，而不是“我已经当着你的面省了这么多”。

而且对比对象里，Kimi、Qwen、MiMo 那几款只有后训练版本可用，微软自己在文中也标了这个限制。预训练模型和后训练模型放一起比效率，本身就不是完全对等的比较。

那这个数字完全没意义吗？也不是。它至少说明微软在训练配方上做了实事：全 MoE 层结构、无丢弃的专家调度把专家层利用率从24%提到35%、激活梯度裁剪防长程训练异常，还有从预训练阶段就把视觉数据纳进来。这些是能落地的东西，不是纯话术。

我的建议很简单：看到“N倍效率”，先问三件事——是实测还是推算，对比对象是否同口径，有没有独立第三方验证。MAI-Base-2 目前还在后训练阶段，完整成绩没公布，权重也不开源，只走 Foundry 授权。在独立评测出来之前，它是个值得关注的研发里程碑，但别急着当成能直接上手用的成品。