Microsoft MAI-Base-2 conclui o pré-treinamento com 2,8T de parâmetros

A Microsoft AI concluiu o pré-treinamento do MAI-Base-2, seu próximo modelo de fundação próprio, informou a empresa em 15 de outubro de 2026. O modelo tem 2,8 trilhões de parâmetros, com 80 bilhões ativos para cada token. A Microsoft diz que ele supera todos os modelos de pesos abertos que testou e consumiu muito menos poder computacional do que um rival de ponta. Isso mostra a Microsoft construindo seus próprios modelos em escala de fronteira, ao lado dos modelos da OpenAI que ela já oferece.

O pré-treinamento é a primeira e mais cara etapa da construção de um modelo de linguagem. O modelo lê trilhões de palavras e aprende a prever a próxima. O MAI-Base-2 está agora no pós-treinamento, a etapa que transforma um modelo bruto em um assistente útil. Ele ainda não está disponível para uso.

O que a Microsoft construiu

O MAI-Base-2 é um modelo mixture-of-experts (MoE). Só uma pequena parte da rede, os "especialistas" escolhidos para cada token, roda a cada momento. É por isso que um modelo de 2,8 trilhões de parâmetros precisa de apenas 80 bilhões de parâmetros de trabalho por token.

Item	MAI-Base-2
Parâmetros totais	2,8 trilhões
Parâmetros ativos por token	80 bilhões
Hardware de treinamento	Cerca de 16.000 GPUs Nvidia GB200
Tempo de treinamento	38 dias, em agosto e setembro de 2026
Mistura de treinamento	50 trilhões de tokens
Parcela de imagem e texto	18%, a partir de 4,5 trilhões de tokens únicos
Situação	Em pós-treinamento, sem data de lançamento

O modelo aprendeu com imagens, além de texto. Dados de imagem e texto representaram 18% da mistura de 50 trilhões de tokens, segundo o post da Microsoft AI. O número de tokens únicos de treinamento cresceu cerca de 36% em relação ao antecessor, o MAI-Base-1.

Como foi o treinamento

A Microsoft divulgou duas medidas de eficiência. A Model FLOPs utilization, ou MFU, teve média de 21%. É a parcela do poder matemático máximo das GPUs que foi para treinamento útil. O goodput foi de 89%. É a parcela do tempo gasta treinando, e não se recuperando de falhas e reinícios.

A Microsoft também assumiu uma posição pública sobre um tema sensível. "Nosso pré-treinamento é construído sobre dados orgânicos, que não envolvem destilação de outros modelos", diz o post. Destilação significa treinar um modelo com as respostas de outro modelo. Nesta semana, a Anthropic descreveu novas defesas contra a destilação do Claude.

A alegação de eficiência

O número principal é uma comparação com o DeepSeek-V4-Pro-Base, um modelo aberto de ponta. A Microsoft diz que o MAI-Base-2 alcança os mesmos resultados com 4 a 12 vezes menos FLOPs de treinamento. O corpo do post dá a faixa como 4,2 a 12,3 vezes.

"O MAI-Base-2 supera todos os modelos de pesos abertos que testamos em nossas avaliações held-out", escreveu a Microsoft. Avaliações held-out são testes mantidos fora dos dados de treinamento. São testes da própria Microsoft, e nenhum grupo externo os verificou.

Onde ele se encaixa

A Microsoft lançou publicamente seu programa MAI em 2 de junho de 2026, em sua conferência Build, com sete modelos, informa o Crypto Briefing. A equipe é a Microsoft AI, liderada por Mustafa Suleyman.

O salto de escala é grande. O MAI-Base-1 foi treinado em 8.192 GPUs GB200 e 30 trilhões de tokens de dados escritos por humanos, mais 3,55 trilhões de tokens em uma etapa posterior. O MAI-Thinking-1, construído sobre essa base, marcou cerca de 52,8% no SWE-Bench Pro, um teste de programação, diz o Crypto Briefing.

A Microsoft também está construindo seus próprios chips de IA. Ela planeja implantações de vários gigawatts de chips Maia a partir de 2027, segundo o Crypto Briefing. Cobrimos o chip Maia 300 nesta semana. O trabalho no MAI-Base-3 já começou, diz a Microsoft.

O que isso significa para desenvolvedores

Não há nada para chamar ou baixar hoje. O MAI-Base-2 é um modelo base em pós-treinamento, e a Microsoft não deu data de lançamento nem preço.

Fique atento a duas coisas quando ele for lançado. Primeiro, veja se a vantagem de eficiência aparece como preços mais baixos nas plataformas da Microsoft. Um modelo que custa menos para treinar pode custar menos para servir, mas a Microsoft não prometeu nada. Segundo, espere por benchmarks externos. "Todos os modelos de pesos abertos que testamos" depende de quais modelos e de quais testes.

Para equipes que constroem no Azure, o ponto maior é a escolha. Um modelo de fronteira treinado pela Microsoft ficaria ao lado dos modelos da OpenAI na mesma plataforma. Se você amarrou seu código a uma família de modelos, mantenha uma camada fina entre seu app e o modelo. Assim você pode comparar os modelos MAI com sua escolha atual quando eles chegarem.