Microsoft AI 于 2026-10-15 发布技术博客与 PDF，宣布完成自研基座 MAI-Base-2 的预训练：每层 MoE（1 个共享 + 512 选 7 路由专家），80B 激活 / 2.8T 总参，102 层，原生无编码器视觉，50T token 训练混合、知识截止 2026 年 3 月。官方口径：在自建/外包的留出集 BPB 上低于所有参测开源模型，预训练 FLOPs 效率为 DeepSeek-V4-Pro-Base 的 4.2–12.3 倍。模型仍在后训练中，暂无 API、权重或发布日期，微软计划经 Foundry 向受信伙伴授权权重。
核心要点速览
- ✓规模：80B 激活 / 2.8T 总参，102 层、隐藏维 8704，每层都是 MoE（1 共享 + 512 选 7）；MAI-Base-1 为 35B / 1T、78 层、稠密与 MoE 交替（技术 PDF）
- ✓算力：16k 张 GB200、2026 年 8–9 月共 38 天，平均 MFU 21%（按 BF16 2.5 PFLOPS 归一）、goodput 89%；Muon 优化器步仅占迭代时间 2.1%（165 ms）
- ✓效率（厂商口径，基于缩放律估算）：达到 DeepSeek-V4-Pro-Base 同等 BPB 所需 FLOPs 少 4.2–12.3 倍；相对 6 月的 MAI-Base-1 配方提升 6.3–12.7 倍
- ✓数据：50T token 训练混合，VLM 数据占 18%（4.5T 唯一 token），唯一 token 比 Base-1 多约 36%，宣称全部为有机数据、不蒸馏其他模型
- ✓可用性：仍在后训练，无公开 API/权重/日期；计划经 Microsoft Foundry 向受信伙伴授权权重，MAI-Base-3 已在筹备（官方博客）
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
微软在模型上长期依赖 OpenAI，自研路线从 6 月的 MAI-Base-1（35B 激活 / 1T 总参）与其后训练版 MAI-Thinking-1 起步，但规模落后于前沿。2026-10-15，Microsoft AI 发布技术博客与完整 PDF，宣布 MAI-Base-2 预训练完成，直接进入万亿参数开源模型所在的重量级。
架构亮点与底层机制
- 每层 MoE：80B 激活 / 2.8T 总参，102 层，1 个共享专家 + 512 选 7 路由；靠「多轮 dropless MoE」把显存固定、不丢 token，MoE 层 MFU 从 24% 提到 35%。
- Muon + 激活梯度裁剪：Muon 步只占迭代 2.1%；只裁剪异常样本的激活梯度，比全局裁剪更稳，还顺带揪出了数据预处理 bug。
- 缩放科学：用「source scaling」让小规模实验也保持同样的数据重复次数，并给出 LR×WD = 17.04/steps 等超参缩放律。
- 原生视觉：无编码器 VLM，50T token 混合中 18% 为图文数据，知识截止 2026 年 3 月。
权威 Benchmark 与实测跑分对比
目前只有厂商口径的预训练指标：在微软内部代码与外包的 STEM / 数学 / 问答留出集上，BPB 低于 DeepSeek-V4-Pro-Base、Kimi K3、Qwen3.8-2.4T-A95B、MiMo-V2.6-Pro-RL（后三者只有后训练检查点可比）；按缩放律推算，配方的 FLOPs 效率为 DeepSeek-V4-Pro-Base 的 4.2–12.3 倍。尚无 SWE-bench 等下游或第三方评测，媒体转述的「对比 OpenAI 基座」来自内部测试，未公开。
开发者实战落地与开箱指南
现阶段不能调用也不能下载：模型仍在后训练，微软计划经 Microsoft Foundry 向受信伙伴授权权重，时间未定。对做预训练/微调的团队，PDF 里的 dropless MoE 调度、(log LR, log LR×WD) 网格扫参、激活梯度裁剪都可直接借鉴；应用开发者建议关注后训练结果与 Foundry 上架公告，再评估接入。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察