Base-3 是 AI 社区对下一代“基座模型”（Base Model）技术路线的泛称，指在预训练完成后、未经指令微调与对齐的基础大模型形态。目前公开信息中尚未出现以 Base-3 正式命名的具体模型，但围绕新一代基座模型的预训练效率、参数规模与开源权重对比，已成为近期大模型竞争的核心话题，微软、Meta 等公司的动作被视为 Base-3 时代的前奏。
Base-3 相关近期进展
当前焦点与观察点
从这些动态看，新一代基座模型的竞争焦点已经从单纯堆参数转向预训练效率：微软公布的 4-12 倍 FLOPs 效率差距，暗示数据质量、训练框架与算力调度的重要性正在超过模型规模的绝对值。2.8T 参数的 MAI-Base-2 若能以更高效率达到开源权重模型的领先水平，可能改变现有开源与闭源模型的格局。
值得观察的几个点：其一，MAI-Base-2 的评测口径与复现情况，第三方基准能否验证“强于所有参测开源权重模型”的说法；其二，这些 Base 模型何时完成微调与对齐、以何种产品形态开放；其三，“Base-3”这类社区说法是否会沉淀为正式的技术代际命名，还是仅停留在对下一代基座模型的讨论阶段。在官方信息有限的情况下，相关效率数据多来自报道方引述，建议持续跟踪一手评测结果再作判断。