Microsoft MAI-Base-2. Co wiadomo o nowym modelu bazowym Microsoftu

Czym jest MAI-Base-2

MAI-Base-2 to model bazowy, czyli model po treningu wstępnym na dużym zbiorze danych, ale przed etapem uczenia wykonywania poleceń i rozmowy. Z takiej podstawy powstają dopiero modele używane w produktach. Poprzednik, MAI-Base-1, został dotrenowany do MAI-Thinking-1, który Microsoft zapowiedział w czerwcu 2026 roku.

Model korzysta z architektury mixture of experts (MoE). Składa się z wielu wyspecjalizowanych podsieci, z których przy danym zapytaniu uruchamia się tylko część. Przy 2,8 bln parametrów łącznie aktywnych jest 80 mld, co obniża koszt działania w porównaniu z modelem, który za każdym razem wykorzystuje wszystkie parametry.

Microsoft trenował model od początku z obsługą obrazu, w architekturze bez osobnego kodera wizualnego. Dane obrazowo-tekstowe stanowią 18 proc. mieszanki treningowej. Wiedza modelu sięga marca 2026 roku.

Trening w liczbach

Wpis w dziale Lab Notes Microsoft AI zawiera więcej szczegółów technicznych niż typowy komunikat. Poniżej najważniejsze dane podane przez firmę.

• Trening trwał 38 dni w sierpniu i wrześniu 2026 roku na 16 tys. procesorów graficznych NVIDIA GB200.
• Mieszanka treningowa liczyła 50 bln tokenów, a unikalnych tokenów było o około 36 proc. więcej niż przy MAI-Base-1. Microsoft deklaruje, że korzystał wyłącznie z danych organicznych, bez destylacji z innych modeli.
• Średnie MFU, czyli odsetek teoretycznej mocy obliczeniowej faktycznie użyty do treningu, wyniosło 21 proc., a goodput, czyli czas efektywnej pracy klastra, 89 proc.
• Według Microsoftu model potrzebuje 4,2-12,3 raza mniej obliczeń niż DeepSeek-V4-Pro-Base dla podobnej jakości i 6,3-12,7 raza mniej niż MAI-Base-1.

Z czym Microsoft porównuje model

Microsoft twierdzi, że MAI-Base-2 wyprzedza każdy przetestowany model o otwartych wagach w jego wewnętrznych ewaluacjach. Jako punkt odniesienia wskazuje DeepSeek-V4-Pro-Base, który nazywa najmocniejszym otwartym modelem bazowym. Porównanie obejmuje też Kimi K3, Qwen3.8 i MiMo-V2.6-Pro.

Ocena opiera się na miarze bits-per-byte, czyli tym, jak dobrze model przewiduje kolejne fragmenty tekstu ze zbiorów, których nie widział w treningu. To typowa miara dla modeli bazowych, ale nie mówi wprost, jak dobrze gotowy asystent będzie rozwiązywał zadania. Sam Microsoft zaznacza, że trzy z porównywanych modeli są dostępne tylko w wersjach po dotrenowaniu, co może zaburzać porównanie.

W naszej ocenie najważniejsza jest tu deklaracja efektywności, a nie wynik pojedynczego testu. Jeśli się potwierdzi, Microsoft może trenować kolejne modele taniej i szybciej, co ma znaczenie przy kosztach rzędu setek milionów dolarów za jeden trening.

Dlaczego Microsoft buduje własne modele

Microsoft od lat opiera Copilota i usługi Azure na modelach OpenAI, a jednocześnie rozwija własną rodzinę MAI. Obejmuje ona już modele do generowania głosu, transkrypcji i obrazów. MAI-Base-2 jest najbardziej ambitnym elementem tej strategii, bo dotyczy dużego modelu ogólnego przeznaczenia.

Firma pisze wprost, że kontrola nad całym procesem budowy modelu pozwala jej przygotować wyróżniającą się ofertę dla klientów. Dla Microsoftu to także sposób na mniejszą zależność od jednego dostawcy. W opublikowanym wpisie firma nie porównuje jednak MAI-Base-2 z modelami OpenAI.

Ograniczenia i niewiadome

Wszystkie wyniki pochodzą od producenta i z niepublicznych zbiorów testowych. Wykres porównawczy nie zawiera liczb w tekście, a Microsoft nie podał całkowitej liczby operacji zmiennoprzecinkowych zużytych w treningu. Niezależna ocena będzie możliwa dopiero po udostępnieniu modelu.

Nie wiadomo też, kiedy i w jakiej formie MAI-Base-2 trafi do klientów. Microsoft nie zapowiada publicznego API ani otwartych wag. Pisze o licencjonowaniu wag zaufanym partnerom przez Foundry, bez kryteriów, regionów i cen. Firma przygotowuje już kolejny model bazowy, MAI-Base-3.

Co to oznacza dla firm w Polsce

Na razie nic nie zmienia się w usługach, z których korzystają polskie firmy. Copilot i Azure AI działają na dotychczasowych modelach, a MAI-Base-2 jest dopiero dotrenowywany. Dla działów IT to sygnał, że w ofercie Microsoftu może z czasem pojawić się kolejna rodzina dużych modeli obok modeli OpenAI, Anthropic i otwartych modeli dostępnych w Foundry.

Firmy, które planują wdrożenia na Azure, powinny projektować aplikacje tak, aby model dało się wymienić bez przebudowy całego systemu. Przy porównaniu nowych modeli liczy się koszt i jakość na własnych zadaniach, a także region przetwarzania danych w UE, a nie deklaracje z komunikatów.