微软把底牌摊到桌面上了。MAI-Base-2 预训练完成，2.8 万亿总参数、800 亿激活的 MoE 基础模型，在 held-out 评测中 BPB 低于所有被拿来对比的开源权重模型；官方给出的口径里，预训练阶段的 FLOPs 效率是 DeepSeek-V4-Pro-Base 的 4.2 到 12.3 倍。单看任何一个数字都不算炸裂，摞在一起就有意思了——一个长期被外界默认是「OpenAI 最大出资方兼云房东」的公司，开始拿出证据，说明自己有能力把前沿基础模型从零练出来。
稀疏的账本：2.8 万亿里，真正在跑的是 800 亿
总参数是容量，激活参数才是账单
MoE 架构这几年被反复解释，但落到工程上其实就一句话：参数总量决定模型能装下多少知识，激活参数量决定每个 token 要付多少算力。2.8T 对 80B，大约是三十五比一的稀疏比。这个比例摆明了微软不打算走稠密路线——稠密模型每前进一步都要按总参数量线性付费，而稀疏模型把「长得更大」和「跑得更贵」这两件事解耦了。代价也很明确：路由网络要稳、专家之间要均衡、跨卡通信不能成为瓶颈。这几件事任何一件没做好，训练中段就会崩，而且崩得很难看。
BPB 这个指标，比排行榜分数难注水
BPB 是 bits per byte，本质是把交叉熵换算到字节维度上。它比 perplexity 更适合横跨不同 tokenizer 做比较，也不像一堆选择题榜单那样容易被提示词格式、few-shot 数量、答案抽取规则左右。微软强调这是 held-out 评测，意思很直白：数据没进过训练集。公开榜单上刷分的空间大，BPB 这种连续指标的空间小。所以「低于所测全部开源权重模型」这句话的分量，比它看上去要重一些。
稀疏比拉高以后，难题只是换了地方
省下来的算力不会凭空消失。训练侧的成本压下去了，推理侧的内存占用和调度复杂度却要重新算账。2.8T 参数的权重得放在显存里，激活只有 80B 不代表部署只有 80B 的负担。真要上生产环境，量化、专家卸载、批处理策略这些活儿一样都躲不掉。预训练跑完只是把原材料备齐了。
4.2 到 12.3 倍，这个区间比数字本身更值得琢磨
为什么给不出一个准数
效率倍数从来不是一个固定值。它取决于你站在算力-损失曲线的哪个点上比较——模型规模不同、训练 token 量不同、目标损失不同，两条曲线之间的水平距离就会变。区间跨度接近三倍，通常意味着对比是在多个配置或规模档位上做的，每个档位给出的倍数各不相同。这不算遮掩，算诚实；真要拍一个「10 倍」出来，反倒更像营销话术。
把 DeepSeek 当尺子，是挑了最硬的对手
拿谁来对标，本身就是一种表态。DeepSeek 系列在业内被公认的强项恰恰就是训练效率，它的技术报告里关于 FP8 训练、通信优化的篇幅一直很实在。微软不挑别的，专挑这条线做基准，等于承认效率已经成了前沿模型的硬指标之一。反过来说，如果这个倍数站得住，说明微软在数据配比、学习率调度、并行策略这些不显眼的环节上，已经攒到了相当的火候——这些活儿没有捷径，只能一次一次烧卡烧出来。
训练省下来的算力，未必能省在推理上
预训练效率高，直接好处是同等算力能换更多 token、更大规模或者更高训练轮次，模型质量的天花板被抬高了。但这跟用户感受到的「便宜」是两回事。推理成本由架构、量化方案、服务栈效率共同决定，训练端省下的每一分钱，都要在推理端重新挣一遍。把两个成本混为一谈，是这一行最常见的外行误解。
微软自己下场练基础模型，图的是什么
和 OpenAI 的关系，从来不是二选一
外界习惯把自研模型读成「微软要甩开 OpenAI」，这个解读过于戏剧化。更接近现实的版本是：微软需要一个自己完全掌控的基础模型层，用于那些不适合走外部合作的产品线、需要深度定制微调的场景、以及对成本和延迟极度敏感的推理业务。合作和自研并行，在大公司里是常态。真正的问题从来不是「要不要」，而是「练出来的模型够不够用」。
数据管道、算力和评测，三样都得是自己的
基础模型的复利不在模型本身，在周边。清洗后的数据从哪来、训练集群怎么调度、评测集怎么设计才能不被自己人钻空子——这些能力沉淀下来，下一次迭代的成本会明显低于这一次。MAI-Base-2 是这条曲线上的一个点，不是终点。真正值钱的是把第二个、第三个点做得更快更便宜的组织能力。
预训练能力本身就是谈判筹码
能独立练出前沿基础模型的团队，在全球范围内数得过来。这个位置带来的不只是技术自主，还有议价空间——无论是面对上游芯片供应商，还是面对下游的应用方。微软把预训练成绩公开，一半是在向技术圈交付证据，另一半是在向商业世界传递信号。
成绩单之后，真正决定胜负的几件事
开源阵营的追赶速度没有慢下来
「低于所测全部开源权重模型」这句话有保质期。开源社区的迭代节奏以月计算，今天被超过的权重，几个月后就会换一批新的。BPB 领先是当下的快照，不是护城河。真正决定长期位置的，是下一版能不能继续保持领先，以及领先的幅度是在扩大还是收窄。
后训练才是从模型变成产品的关卡
基础模型再强，也只是半成品。指令跟随、工具调用、长上下文里的稳定性、拒答边界——这些全靠后训练和一轮轮对齐打磨。很多在预训练指标上漂亮的模型，一旦进入真实产品场景就露怯。微软手里有 Copilot 这条产品线，意味着它有别人少有的真实反馈回路，这可能是比预训练效率更被低估的资产。
缺一份可复现的说明
到目前为止，我们拿到的是一组对比数字，而不是完整的技术报告。倍数怎么算的、评测集怎么选的、基线模型的配置是否对齐——这些细节不公开，外部的独立验证就无从谈起。在基础模型这个领域，愿意把训练细节写清楚的一方，通常也是对自己的方法更有底气的一方。MAI-Base-2 值得关注，但它现在还是一份摘要，不是一份论文。
