Microsoft AI schließt Pre-Training von MAI-Base-2 ab: MoE-Modell mit 2,8 Billionen Parametern
Microsoft AI hat nach eigenen Angaben das Pre-Training von MAI-Base-2 abgeschlossen, einem Mixture-of-Experts-Foundation-Modell (MoE) mit 80 Milliarden aktiven und 2,8 Billionen Parametern insgesamt. Laut dem Unternehmen übertrifft das Modell in zurückgehaltenen Evaluierungen (Held-out-Tests) alle getesteten Open-Weight-Modelle.
- Microsoft AI hat das Pre-Training von MAI-Base-2 abgeschlossen, einem MoE-Modell mit 80 Milliarden aktiven und 2,8 Billionen Parametern insgesamt.
- Laut Unternehmen übertrifft es alle getesteten Open-Weight-Modelle in zurückgehaltenen Evaluierungen.
- Microsoft AI beansprucht eine 4- bis 12-mal höhere Pre-Training-FLOPs-Effizienz als DeepSeek-V4-Pro-Base.
- Die Einsparung floss nach Angaben des Unternehmens in das Training eines größeren Modells.
- MAI-Base-2 folgt auf MAI-Base-1 und das im Juni vorgestellte Modell MAI-Thinking-1.
Was Microsoft AI angekündigt hat
In einem Lab-Notes-Beitrag vom 15. Oktober 2026 beschreibt Microsoft AI MAI-Base-2 als sein neues Spitzenmodell. Es nutzt eine MoE-Architektur, bei der für jede Eingabe nur ein Teil des Netzes aktiv ist. Microsoft AI beziffert den aktiven Anteil auf 80 Milliarden Parameter, bei insgesamt 2,8 Billionen.
Der Beitrag knüpft an die Ankündigung von MAI-Thinking-1 im Juni an. Dieses universell einsetzbare Foundation-Modell wurde auf Basis von MAI-Base-1 nachtrainiert (Post-Training) und zeigt laut Microsoft AI starke Reasoning-Leistungen. MAI-Base-2 ist das nächste Basismodell dieser Reihe.
Effizienzversprechen und Vergleiche
Im Mittelpunkt steht die Effizienz. Microsoft AI zufolge ist MAI-Base-2 4- bis 12-mal effizienter beim Pre-Training-Rechenaufwand (FLOPs) als das stärkste offene Basismodell, DeepSeek-V4-Pro-Base. Für diesen Vergleich verweist das Unternehmen auf Abbildung 3 in seinem Beitrag. Die Einsparung habe man in das Training eines größeren Modells investiert, statt schlicht weniger Rechenleistung aufzuwenden.
Außerdem berichtet das Unternehmen, MAI-Base-2 übertreffe in seinen zurückgehaltenen Evaluierungen jedes getestete Open-Weight-Modell. Abbildung 1 vergleicht MAI-Base-2 mit anderen Modellen ab einer Billion Gesamtparametern anhand mehrerer Pre-Training-Evaluierungen, wobei niedrigere Werte besser sind. Die Ergebnisse stammen aus den eigenen Evaluierungen von Microsoft AI; zu einzelnen Benchmarks macht die Quelle keine weiteren Angaben.
Was das bedeutet
Der Beitrag betrifft ausschließlich das Pre-Training. MAI-Base-2 ist ein Basismodell, also die Stufe vor dem Post-Training, das aus einem Foundation-Modell ein Reasoning- oder Chat-Produkt macht, wie es bei MAI-Thinking-1 auf Basis von MAI-Base-1 geschah. Ob ein nachtrainiertes Modell auf Grundlage von MAI-Base-2 geplant ist, geht aus der Quelle nicht hervor; auch einen Veröffentlichungstermin oder Angaben zur Verfügbarkeit nennt sie nicht.
Die Ankündigung zeigt vor allem, dass Microsoft AI auf Trainingseffizienz im Frontier-Maßstab setzt. Nach eigener Darstellung wandelt das Unternehmen eingesparte Rechenleistung in ein größeres Modell um und misst sich an offenen Open-Weight-Basismodellen wie DeepSeek-V4-Pro-Base. Ob die behaupteten Vorteile Bestand haben, wird davon abhängen, wie sich das Modell nach dem Post-Training und mit der Veröffentlichung schlägt.
Microsoft AI: Frontier Pre-training at Microsoft AI | Microsoft AI
