Microsoft AI 近日披露了 MAI-Base-2 的预训练进展，宣布该阶段工作已经完成。这是一款采用 MoE 架构的基础模型，总参数规模达到 2.8T，单次推理激活约 800 亿参数。

在 held-out 评测集上，MAI-Base-2 的 BPB 指标低于本次测试所覆盖的全部开源权重模型，意味着其在语言建模的压缩效率上取得了相对领先的位置。

更受关注的是预训练阶段的算力效率。Microsoft AI 给出的数据显示，MAI-Base-2 的预训练 FLOPs 效率达到 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍，具体倍数随对比条件变化。这一区间跨度表明，效率优势在不同评测口径下存在差异，但整体方向一致。

对于基础模型研发而言，FLOPs 效率直接关系到同等算力预算下可达到的模型质量。MAI-Base-2 的数据点出，MoE 稀疏激活路线在超大规模参数下仍具备可观的效率挖掘空间，也为后续微调与部署环节留下观察窗口。