Microsoft раскрыла детали MAI-Base-2 — базовой модели с 2 трлн параметров, из которых 80 млрд активируются на каждый запрос. По заявлению компании, она превзошла DeepSeek-V4-Pro-Base, названную сильнейшей открытой базовой моделью, во внутренних тестах по науке, программированию и математике. По отдельным показателям новая модель до 12 раз эффективнее по использованию оборудования. Для бизнеса это сигнал о возможном снижении стоимости инференса больших моделей, если эффективность подтвердится в продуктивных системах.
Устройство базовой модели и лицензирование в Azure
MAI-Base-2 — это не готовая языковая модель, а прототип, требующий дополнительных раундов обучения. На этом позднем этапе разработчики обычно добавляют способности к рассуждению и защитные ограничения перед внедрением. Microsoft планирует лицензировать веса модели доверенным партнерам через облачную платформу Azure, а не открывать их публично. Кроме того, компания использует MAI-Base-2 как основу новой серии языковых моделей и обещает раскрыть подробности в ближайшем будущем.
Модель построена на архитектуре mixture of experts, поэтому каждый запрос обрабатывает лишь часть искусственных нейронов. Из 2 трлн параметров на запрос активируются 80 млрд, что снижает потребность в вычислениях по сравнению с активацией всей сети. Искусственные нейроны объединены в кластеры, называемые слоями, и в этом поколении Microsoft изменила их состав. Если прошлая базовая модель сочетала mixture-of-experts слои с менее эффективными модулями FFN, то MAI-Base-2 состоит полностью из mixture-of-experts слоев.
Обучение длилось 38 дней на 16 000 чипов Nvidia GB200, а датасет проекта составил 50 трлн токенов. Около пятой части токенов использовалась для обучения встроенного модуля компьютерного зрения, который улучшает работу с задачами вроде понимания научных графиков. Этот мультимодальный компонент отличает проект от чисто текстовых базовых моделей. Для стабильности обучения Microsoft применила gradient clipping против сбоев при прохождении градиентов через слои модели, а также использовала популярный открытый инструмент Muon для ускорения процесса.
Что эффективные базовые модели дают бизнесу
Для компаний, строящих продукты на ИИ, более эффективная основа может снизить затраты на инференс и расширить варианты развертывания в Azure. Первыми выигрывают задачи с кодом, математикой и научными документами, учитывая фокус тестов и модуль зрения для графиков. Небольшие компании могут получить сильные возможности без собственной инфраструктуры обучения, работая с лицензированными моделями в облаке. Крупные организации смогут стандартизировать производные одной базовой модели между подразделениями, сохраняя данные и контроль внутри Azure.
Практические ограничения очевидны: это базовая модель, поэтому ни одна команда не внедрит ее напрямую без дообучения под рассуждения, безопасность и предметную область. Доступ ограничен доверенными партнерами, а публичные веса, цены и сроки широкого выпуска не раскрыты. Заявления о качестве опираются на внутренние тесты Microsoft против DeepSeek-V4-Pro-Base, а не на независимую оценку. Покупателям стоит спросить, по какой именно метрике эффективности получен рост в 12 раз, как будут лицензироваться производные модели и какие ограничения и результаты тестов приложены к каждому выпуску.
Индикатором станет раскрытие Microsoft данных о новой серии языковых моделей на основе MAI-Base-2. Характеристики, даты доступности в Azure и независимые результаты тестов покажут, превращается ли лабораторная эффективность в меньшую стоимость задачи. Если партнеры выпустят продукты с подтвержденным выигрышем в программировании и документах с графиками, семейство моделей повлияет на закупки. Без такого продолжения это останется исследовательским результатом.
