Microsoft trainiert Riesenmodell MAI-Base-2: 2,8 Billionen Parameter in 38 Tagen
Microsofts KI-Sparte hat das Vortraining ihres bislang größten eigenen Modells abgeschlossen. Es soll deutlich effizienter rechnen als DeepSeek – frei veröffentlicht wird es nicht.
Archivbild · Foto: Christopher Wilson / Wikimedia Commons, CC BY-SA 4.0 (zugeschnitten und skaliert)
Microsoft AI hat das Vortraining von MAI-Base-2 abgeschlossen, wie die KI-Sparte des Konzerns am Donnerstag mitteilte. Das Mixture-of-Experts-Modell hat 2,8 Billionen Parameter, davon sind 80 Milliarden aktiv. Trainiert wurde es 38 Tage lang im August und September auf 16.000 Nvidia-Chips vom Typ GB200 mit 50 Billionen Token, 18 Prozent davon Bild-Text-Daten. Der Wissensstand reicht bis März 2026.
Nach eigenen Berechnungen arbeitet MAI-Base-2 in vier Tests 4,2- bis 12,3-mal so recheneffizient wie das Basismodell DeepSeek-V4-Pro. Andere Vergleichsmodelle konnte Microsoft nur in nachtrainierten Fassungen messen, was die Ergebnisse verzerren kann. Laut Microsoft entstand das Modell nicht durch Destillation fremder Modelle.
Derzeit läuft das Nachtraining. Die Gewichte will Microsoft nicht frei veröffentlichen, sondern vertrauenswürdigen Partnern über seine Plattform Foundry lizenzieren; Namen und Termine nannte der Konzern nicht. Der Vorgänger MAI-Base-1 mit einer Billion Parametern war die Grundlage für MAI-Thinking-1 aus dem Juni. An MAI-Base-3 wird bereits gearbeitet.