A Microsoft bejelentette az MAI-Base-2 elnevezésű alapmodellt, amely a szakértők keverékére (MoE) épül. A 2,8 billió paraméteres rendszerből 80 milliárd az aktív, a betanítást pedig 16 000 darab Nvidia GB200 GPU-val végezték el 38 nap alatt, mintegy 50 billió tokent felhasználva.
Mustafa Suleyman, a cég MI-vezérigazgatója egy belső fórumon beszélt arról a Business Insider beszámolója szerint, hogy az új modell belső méréseik alapján jobb teljesítményt nyújtott az OpenAI GPT-5.6 alapjául szolgáló modellnél. Állítása szerint a betanításhoz a konkurencia számítási kapacitásának csupán az egynegyedére volt szükség, míg a nyilvános mérésekben a nyílt súlyozású riválisokat előzte meg a rendszer.
A tervek szerint a Microsoft a modell súlyait engedéllyel rendelkező partnerek számára teszi elérhetővé a Foundry platformon keresztül, miközben már megkezdte a következő MAI-Base-3 modell munkálatait is. A tanításhoz kizárólag eredeti adatokat használtak fel.
Az eredeti szöveg (Perplexity Discover)
A Microsoft MI-vezérigazgatója, Mustafa Suleyman csütörtökön, október 15-én azt mondta a munkatársaknak, hogy a cég olyan előtanított alapmodellt fejlesztett, amely erősebb az OpenAI GPT 5.6 Sol modelljének alapjánál, és jóval kevesebb számítási kapacitást igényelt az elkészítése. „Mostanra erősebb előtanított alapmodellünk van, mint az a modell, amely jelenleg a GPT 5.6 Solt hajtja” – mondta Suleyman egy munkatársi fórumon a Business Insider szerint, amely elsőként számolt be a szavairól. „Sőt, annak a számítási kapacitásnak, amelyet az OpenAI a modellje betanításához használt, mindössze az egynegyedét használtuk fel.”
Suleyman néhány órával azután szólalt meg, hogy a Microsoft bejelentette a modellt, az MAI-Base-2-t. Az, hogy még a cégen belül is az OpenAI-t veszi célba, jól mutatja, mennyire eljutott a Microsoft a saját MI-fejlesztésében, miközben továbbra is az OpenAI egyik legnagyobb befektetője és partnere.
Suleyman elmondása szerint a Microsoft privát módon összehasonlította a MAI-Base-2-t az OpenAI modelljeivel, köztük a „Spud” becenevű modellel, amely a GPT-5.6-ot működteti. A Business Insider beszámolója szerint azt mondta, hogy a Microsoft modellje jobban teljesített azokon a teszteken, amelyek azt mérik, mennyire jól érti és jósolja meg az MI az információkban rejlő mintázatokat. Az összehasonlításhoz a Microsoft az OpenAI modelljeiről birtokolt műszaki információkat használta fel – mondta. „Privátan és bizalmasan az OpenAI modelljeivel is összehasonlítottuk” – fogalmazott. Az OpenAI-jal végzett összehasonlítást nem tették közzé. A Microsoft nem kívánt nyilatkozni, az OpenAI pedig nem válaszolt a Business Insider megkeresésére.
Suleyman azt is elmondta, hogy a modell „12-szer kevesebb számítási kapacitást használt, mint amennyit a DeepSeek-hez használtak”.
A Microsoft nyilvános bejelentésében a modellt kizárólag nyílt súlyozású riválisokkal hasonlította össze. A MAI-Base-2 szakértők keverékén (mixture-of-experts) alapuló modell, összesen 2,8 billió paraméterrel, amelyből 80 milliárd az aktív. A Microsoft 16 000 darab Nvidia GB200 GPU-n tanította augusztusban és szeptemberben, 38 napon át, nagyjából 50 billió tokennel – számolt be az Investing.com. A vállalat közölte, hogy a modell minden általa tesztelt nyílt súlyozású modellt megelőzött. Azt is állította, hogy a tanítási módszere négy értékelésben 4,2–12,3-szor számításigény-hatékonyabb a DeepSeek-V4-Pro-Base-nél, és 6,3–12,7-szer hatékonyabb a júniusban megjelent saját MAI-Base-1 modelljénél.
A modell még a utótanítási szakaszban van, a Microsoft pedig sem megjelenési dátumot, sem árazást nem közölt. A tervek szerint a modell súlyait megbízható partnereknek licencelné a Foundry-n keresztül, a MAI-Base-3 fejlesztése pedig már megkezdődött – írja a TokenPost. A Microsoft közlése szerint a modellt eredeti adatokon tanították, nem más mesterséges intelligencia rendszerekből desztillálták.
A Microsoft dollármilliárdokat fektetett az OpenAI-ba, és a részesedése valószínűleg több mint 100 milliárd dollárt ér. Az OpenAI modelljeit az Azure-ügyfeleknek is értékesíti, és olyan termékekben is felhasználta őket, mint a Copilot – írta a Business Insider. Az elmúlt egy évben azonban megromlott a kapcsolat, mivel a Microsoft saját modelleket kezdett fejleszteni. Márciusban a vállalat átvezényelte Suleymant a szuperintelligencia-részlegéhez, hogy a modellfejlesztésre összpontosítson.
Az előtanítás a modellépítés első és legnagyobb számítási kapacitást igénylő szakasza. Ha a Microsoft olcsóbban tudja elvégezni, pénzt takaríthat meg, és kevésbé szorul külső szolgáltatókra.
