Microsoft termina de preentrenar MAI-Base-2, un modelo de 2,8 billones de parámetros entrenado con 16.000 GPU GB200 en 38 días

Microsoft AI informó que completó el preentrenamiento de MAI-Base-2, un modelo de mezcla de expertos con 80.000 millones de parámetros activos y 2,8 billones en total, que ahora está en postentrenamiento. Se entrenó con 50 billones de tokens en 16.000 GPU GB200 durante 38 días de agosto y septiembre, y la empresa dice que supera a todos los modelos abiertos que probó y es entre 4 y 12 veces más eficiente que DeepSeek-V4-Pro-Base. Microsoft planea licenciar sus pesos a socios de confianza vía Foundry.