微软2.8万亿参数基模亮相

微软的新一轮自研模型竞争，已经推进到万亿参数基础模型的训练效率之争。北京时间10月16日，据IT之家报道，微软于当地时间10月15日宣布完成 MAI-Base-2 的预训练：模型总参数达到 2.8万亿，激活参数为 800亿，在 6000块 NVIDIA GB200 GPU 上训练了 38天。

微软给出的判断相当直接：MAI-Base-2 的性能超过了所有参与比较的开源权重模型，其预训练算力效率达到 DeepSeek-V4-Pro-Base 的4至12倍。与此同时，微软AI业务CEO穆斯塔法·苏莱曼还在内部员工大会上表示，这款基础模型在微软进行的比较中超过了支撑 GPT-5.6 Sol 的基础模型，而训练算力约为对方的四分之一。

这次消息最值得关注的地方，是微软开始用具体的训练规模和效率数据，证明自己具备持续训练前沿基础模型的能力。不过，完成预训练、在基础模型测试中领先、交付一个更好用的AI助手，是三个不同的里程碑。微软目前公布的进展，首先落在前两个环节。

2.8万亿参数，实际每次激活800亿

MAI-Base-2 是微软此次宣布完成预训练的新一代基础模型。 基础模型是通过大规模数据训练获得通用能力、随后可以继续适配不同任务的模型；预训练则是模型从数据中学习语言结构、知识关联和预测规律的初始训练阶段。

MAI-Base-2 采用的 MoE，即混合专家架构，是让不同输入选择性调用部分专家网络、以减少每次计算所需参数的模型设计。它的两个参数数字需要放在一起看：2.8万亿说明模型整体规模，800亿说明处理一个 token 时参与计算的活跃参数规模。Token 是模型处理文本等输入时使用的基本单元，并不固定等于一个汉字或一个单词。

MAI-Base-2 的激活参数约占总参数的2.86%。 按公开数字计算，800亿除以2.8万亿，约为每35份参数中使用1份。这个比例说明模型具有很高的稀疏性，但不能据此认定，其部署成本就等同于一款800亿参数的稠密模型。

稀疏模型减少了单次计算涉及的参数，却仍然需要解决全部权重的存储、专家之间的负载分配，以及设备之间的数据传输。可以把它理解为一家拥有大量专业团队的公司：每项任务只找相关团队处理，效率有机会提高；但团队如何分布、任务如何分派、彼此怎样沟通，仍然决定最终运转速度。

| 项目 | MAI-Base-2 已披露数据 | 应如何理解 | | --- | --- | --- | | 模型阶段 | 已完成预训练 | 尚不能直接等同于已完成面向用户的产品发布 | | 架构 | MoE混合专家 | 每次计算只使用部分参数 | | 总参数 | 2.8万亿 | 反映完整模型的参数规模 | | 激活参数 | 800亿 | 约占总参数的2.86% | | 训练硬件 | 6000块 NVIDIA GB200 GPU | 反映本次公开的训练集群规模 | | 训练时长 | 38天 | 反映此次训练过程的时间投入 | | 平均浮点算力利用率 | 21% | 需要结合计算精度、统计方法等条件解读 | | 有效吞吐量指标 | 89% | 不能与浮点算力利用率混为一谈 |

6000块GB200训练38天，效率才是重点

MAI-Base-2 的公开训练规模，对应约22.8万GPU天的设备时间。 如果按6000块GPU在38天内持续参与计算进行简单折算，就是547.2万GPU小时。这是帮助理解资源规模的算术换算，并非微软公布的实际账单，也不代表完整研发过程的全部算力投入。

训练成本无法从GPU数量和天数直接推出。硬件采购或租用方式、集群网络、电力、存储、数据处理、实验失败与前期探索，都会影响最终成本。对于一款新基础模型，正式训练成功的那一次，只是研发成本的一部分。

微软披露的21%平均浮点算力利用率，同样不能简单解释为“79%的GPU被浪费”。浮点算力利用率是衡量训练实际计算与理论计算能力关系的指标，具体数值受到硬件计算精度、模型结构、通信开销及统计口径影响。对于MoE模型，专家分发和跨设备通信尤其值得关注。

89%的有效吞吐量指标也不能理解成模型达到了硬件峰值算力的89%。 参考报道将其与21%的平均浮点算力利用率分别列出，但没有完整展开统计定义。两者显然不是同一个指标，不能相互替代，更不能直接相乘得出一个新的“真实效率”。

微软将本次预训练的关键归结为三点：科学规模化、模型与基础设施协同设计，以及数据规模化。按照这些方向的一般技术含义，科学规模化关注如何通过实验确定模型、数据和计算资源的配比；协同设计关注模型结构能否与硬件、通信和训练软件配合；数据规模化则涉及数据数量、质量与处理能力的共同扩展。

这三个方向共同指向一个现实问题：前沿模型训练的竞争，已经深入到数据、算法和集群工程的配合能力。 参数规模足够大，并不自动意味着训练效率高；硬件足够多，也不自动意味着模型能力强。微软此次披露的价值，是把这些系统层面的能力放到了台前。

“超过全部参测开源权重模型”有多大含金量

“超过所有参测开源权重模型”是微软对特定比较范围的结论。 开源权重模型是允许外部获取模型权重的模型，其许可证、训练数据和训练代码的开放程度可能各不相同；被拿来与这类模型比较，也不意味着 MAI-Base-2 本身已经开放权重。

这句话里最需要保留的是“参测”二字。它指向微软此次实际纳入的模型集合，不能自动扩展成所有已发布模型，更不能直接推导出模型在每一种任务上都领先。

参考报道尚未完整列出全部参测模型、逐项成绩、测试配置和可供外部复核的评测过程。因此，目前可以准确表述为“微软宣称领先”，还不能写成“独立评测已经确认全面领先”。SOTA是指在特定任务和评测条件下达到当前最佳水平，它始终需要对应具体的比较范围。

基础模型的领先，对后续产品有意义，但不是终点。后训练是预训练之后，通过指令数据、偏好优化或强化学习等方式改善模型行为的训练阶段。一个模型能否稳定遵循复杂要求、正确调用工具、完成长时间任务，往往还取决于后训练和产品系统。

对开发者而言，基础模型成绩更像是一张能力底盘的检查报告。底盘表现好，意味着继续打造编程助手、研究工具或企业应用时有更好的起点；最终产品是否可靠，还要看工具使用、上下文管理、错误恢复、响应速度和价格。

对比DeepSeek与OpenAI，两组数字不能混用

微软对DeepSeek和OpenAI的比较，来自两种不同的信息披露路径。 前者出现在MAI-Base-2预训练进展的相关报道中，明确指向 DeepSeek-V4-Pro-Base；后者则来自《商业内幕》关于苏莱曼内部讲话的报道，由IT之家转述。

| 比较对象 | 微软方面的说法 | 当前需要保留的判断边界 | | --- | --- | --- | | 全部参测开源权重模型 | MAI-Base-2性能更强 | 参考报道未完整列出参测名单与逐项成绩 | | DeepSeek-V4-Pro-Base | MAI-Base-2预训练算力效率为其4至12倍 | 需要结合目标能力、计算量统计和实验条件理解 | | 支撑GPT-5.6 Sol的基础模型 | 内部比较中表现更好，训练算力约为其四分之一 | 来自内部讲话转述，外部缺少完整复核条件 |

“算力效率提高4至12倍”不能直接改写成“所有成本下降4至12倍”。 如果在达到相同目标能力、使用可比计算量口径的前提下解释这一数字，它意味着所需计算量可能降到参照对象的四分之一至十二分之一。但这个前提是否成立、不同倍率对应什么条件，仍需要完整技术披露来说明。

硬件代际、数值精度、训练数据和目标能力不同，都会影响比较结果。即便计算量确实更少，资金成本也未必按相同比例下降；预训练更省计算，也不能直接推出线上推理更便宜。模型服务还要面对权重常驻、并发请求、通信和输出长度等问题。

苏莱曼关于OpenAI的说法，目前更适合作为微软内部技术判断来理解。 据IT之家转述，他表示微软曾以保密方式，将MAI-Base-2与多款OpenAI模型进行比较，其中包括代号为Spud、支撑GPT-5.6运行的模型。报道同时提到，比较依据涉及微软掌握的OpenAI模型技术资料。

这类信息能够说明微软内部如何看待自研进展，却不足以构成普通用户可以复现的横向测评。尤其不能把“基础模型在理解和预测信息规律的测试中表现更好”，直接替换成“微软助手在编程、研究和日常使用中全面超过ChatGPT”。两者之间还隔着后训练、工具系统和实际产品体验。

微软真正补上的，是持续造基模的能力

MAI-Base-2的战略意义，是微软正在加强对基础模型研发节奏的掌握。 对拥有大量AI应用场景的公司来说，自研基础模型不仅提供性能选择，也能让训练目标、部署方式和产品需求更紧密地配合。

微软若能把本次训练效率稳定复现到后续模型，就有机会缩短实验反馈周期，并将更多计算预算用于数据研究、后训练和下一代模型。这个价值比单次排行榜名次更持久，因为前沿模型的领先通常会被下一轮发布迅速改写，而稳定的研发体系可以反复产生新模型。

微软已经启动MAI-Base-3的准备工作，说明它希望延续这一训练路线。不过，准备下一代模型不等于已经完成训练，也不能据此推测发布时间、参数规模或性能目标。

截至10月16日，开发者最需要等待的仍是可验证的能力和可用性信息。 本次参考材料没有给出明确的公开权重下载安排、正式调用价格、上下文窗口或完整产品上线时间。现阶段，MAI-Base-2更适合被视为一次重要的基础模型研发进展。

接下来值得跟踪的信号很具体：

• 完整评测是否公开。 包括参测模型版本、任务设置、逐项结果，以及是否比较了相同训练阶段的模型。
• 后训练能否把基础能力转化为任务完成率。 编程、工具使用和长任务中的稳定性，比一个总排名更贴近开发者需求。
• 服务成本与延迟是否有竞争力。 2.8万亿参数模型能否高效部署，需要实际运行数据回答。
• 开放方式是否明确。 权重、技术报告、托管服务分别开放到什么程度，会决定外部开发者能够验证和使用多少能力。

MAI-Base-2目前最有分量的消息，是微软完成了一次规模明确、效率主张明确的前沿基础模型预训练。 6000块GB200、38天、2.8万亿总参数和800亿激活参数，让这次进展有了可讨论的技术坐标。至于“超过全部参测开源权重模型”能否进一步变成公开、稳定、可复现的产品优势，还要看微软接下来交出的评测细节和实际模型。

参考来源

• IT之家：微软完成SOTA基模MAI-Base-2预训练，性能强于所有参测开源权重模型：提供模型参数、训练硬件、训练时长、效率指标，以及对DeepSeek-V4-Pro-Base的比较说法；文中转述微软官方预训练进展。
• IT之家：在OpenAI擅长的领域打败OpenAI，微软称自研模型仅凭对方四分之一算力就超越同类产品：转述《商业内幕》关于苏莱曼内部讲话的报道，涉及与OpenAI基础模型的保密比较及训练算力说法。