Base-2（MAI-Base-2）是微软 AI 团队发布的一款超大规模基础模型预训练版本，参数量达 2.8 万亿（2.8T），被视为微软自研大模型路线的阶段性成果。微软称其以远低于同行的算力成本完成预训练，并在多项公开评测中超过所有参测的开源权重模型，也由此引发了关于算力效率与评测口径的讨论。
MAI-Base-2 的训练规模与效率
微软披露的训练细节显示，MAI-Base-2 使用约 2.8T token 的训练数据，动用 1.6 万张显卡连续训练 38 天完成预训练。在算力效率方面，有报道称其 FLOPs 效率达到 DeepSeek-V4-Pro-Base 的 4-12 倍。微软还宣称，该模型仅使用 OpenAI 约 1/4 的算力，即可在同类基准上超越 GPT-5.6 级别模型，将“算力效率”作为主要卖点。近期进展包括：
当前焦点与观察点
围绕 Base-2 的讨论主要集中在两点。其一是“1/4 算力超越 GPT-5.6”这一说法的可验证性：微软目前公布的多为预训练完成后的基础模型（Base）状态，缺乏权威第三方复现与对齐后的完整对比，评测口径和模型状态差异都可能影响结论。其二是算力效率数字的真实含义——FLOPs 效率对比涉及训练目标、数据质量和架构差异，4-12 倍的跨度较大，边界条件尚待更多技术报告说明。对行业而言，Base-2 的意义在于微软首次以明确参数量级（2.8T）和完整训练成本信息进入开源权重模型的竞争序列，后续值得关注的观察点包括：后训练版本的发布时间与实际推理表现、训练细节技术报告是否完整公开，以及微软是否延续开源权重策略。这些将决定 Base-2 是一次营销层面的效率叙事，还是真正改变大模型竞争格局的节点。