微软完成 MAI-Base-2 预训练：2.8T 参数碾压开源对手，算力效率超 DeepSeek 数倍

微软当地时间昨日宣布，新一代 SOTA 基础模型 MAI-Base-2 已完成预训练，官方称其性能强于所有参测的开源权重模型。

这组数字相当硬核：MAI-Base-2 总参数规模 2.8T，活跃参数 80B，在 6000 块英伟达 GB200 GPU 上耗时 38 天训成。整段训练里，模型平均浮点算力利用率 21%、有效吞吐量 89%——在超大集群上能稳住这个效率，本身就是工程实力的注脚。

算力效率甩开 DeepSeek 4 到 12 倍

更值得玩味的是效率对比。微软放话，MAI-Base-2 的预训练算力效率达到 DeepSeek-V4-Pro-Base 的 4 至 12 倍。在”烧钱建基建”成行业上半场的当下，能把单位算力的产出拉开数量级差距，比单纯堆参数更具战略意义。

微软把这次成功归因于三件事：科学化的规模化、模型与基础设施的协同设计，以及数据规模化。换言之，不是一味加卡，而是让算法、硬件与数据配方同步打磨。在收尾 MAI-Base-2 的同时，这家巨头已悄然启动 MAI-Base-3 的筹备工作——基础模型的军备竞赛，微软显然不想掉队，反而加速冲到了前排。