Microsoft, 2,8 trilyon parametreli MAI-Base-2'yi tanıttı: DeepSeek V4 Pro'ya karşı 4-12 kat ön eğitim verimliliği iddiası

Microsoft AI birimi 15 Ekim'de yeni taban modeli MAI-Base-2'yi tanıttı. Model 2,8 trilyon toplam parametreye sahip ama her token için bunların yalnızca 80 milyarı devreye giriyor. Şirket, ön eğitimde en güçlü açık taban model olarak gördüğü DeepSeek-V4-Pro-Base'e göre 4 ila 12 kat daha verimli hesaplama kullandığını öne sürüyor.

İddia tam olarak ne diyor?

MAI-Base-2 bir Mixture of ExpertsiModelin her adımda parametrelerinin sadece bir kısmını, ilgili uzman bloklarını çalıştırdığı mimari. modeli. Verimlilik iddiası, aynı kaliteye ulaşmak için gereken pretrainingiModelin ham metin üzerinde, henüz görev eğitimi almadan geçtiği ilk ve en pahalı eğitim aşaması. hesaplaması üzerinden kuruluyor ve FLOPⁱHesaplama maliyetinin ölçüsü olan kayan noktalı işlem sayısı. cinsinden ölçülüyor. Yazının gövdesinde aralık 4,2 ile 12,3 kat olarak veriliyor.

Rakamlar şirketin kendi test setlerinden geliyor ve bağımsız bir kuruluş henüz doğrulamadı. Kıyaslanan diğer modellerin (Kimi K3, Qwen3.8 ve MiMo-V2.6-Pro) yalnızca son eğitimden geçmiş sürümlerine erişilebildiği için Microsoft bu karşılaştırmaların sonucunun etkilenebileceğini kendisi not ediyor.

Eğitim nasıl yapıldı?

Model ağustos ve eylül aylarında 16 bin GB200 GPU üzerinde 38 günde eğitildi. Eğitim verisi 50 trilyon token, görüntü tarafı da baştan modelle birlikte eğitilmiş. Bilgi kesim tarihi Mart 2026.

Herkes kullanabilecek mi?

Hayır. MAI-Base-2 açık ağırlıklı değil: Microsoft ağırlıkları Foundry üzerinden "güvenilir iş ortaklarına" lisanslayacağını söylüyor. Model hâlâ son eğitim aşamasında ve çıkış tarihi verilmedi. Şirket bir sonraki taban MAI-Base-3 için hazırlıkların başladığını da ekliyor.

Bu haber nereye oturuyor?

Microsoft bu yıl kendi model ailesini kuruyor: haziranda MAI-Code-1-Flash ve MAI-Thinking-1, ekim başında karar puanlama modeli Decision-1 geldi. MAI-Thinking-1 bir önceki taban MAI-Base-1 üzerine kurulmuştu, MAI-Base-2 bu zincirin yeni tabanı olacak. Açık ağırlıklı ve kapalı modeller arasındaki farkı merak ediyorsan karşılaştırma rehberine bakabilirsin.

4 kat ile 12 kat arasındaki fark, sonucun ölçüm koşullarına ne kadar bağlı olduğunu gösteriyor. Ağırlıklar açılmadığı sürece bu iddiayı dışarıdan kimse tekrar edemeyecek. Şimdilik elimizde bir mühendislik duyurusu var, kıyaslama sonucu değil.