微软公布了第二代基础模型MAI-Base-2，规格挺猛：总参数2.8万亿，MoE架构，推理时只激活800亿参数。官方口径是训练算力消耗约为竞品的四分之一，这个“竞品”指向谁，后面再说。

先把硬指标摆清楚。2.8万亿总参、800亿激活，比例相当稀疏，MoE的路子走得比较激进。训练用的是1.6万块GB200，跑了38天，50万亿token，视觉数据占了18%，说明预训练阶段就把多模态纳进去了，不是后补的。技术上还有个细节值得提：微软把MoE层的MFU从24%拉到35%，靠的是解决动态路由的内存碎片和专家粒度开销问题。这个提升幅度在工程层面不算小，说明效率优化不是纯靠堆卡省出来的，架构和基础设施协同设计确实做了活。

但“算力只有竞品四分之一”这句话得拆开看。这个说法来自微软AI CEO苏莱曼在内部员工大会上的发言，对比对象是OpenAI驱动GPT-5.6的模型，而且是他“私下对比”的结论，没有公开的第三方评测数据支撑。微软官方博客里给出的可验证数字是：达到同等评测表现所需的预训练算力，比DeepSeek-V4-Pro-Base低4.2到12.3倍。注意措辞——“达到同等评测表现所需的算力”，不是“实际训练花了四分之一”，两者不是一回事。而且这是基于缩放定律估算的FLOPs，不是实测的GPU耗时。

另一个容易被忽略的点：MAI-Base-2目前只完成了预训练，后训练还在进行中，没有公开benchmark，没有定价，也没有商用时间表。权重走的是Foundry授权给可信伙伴的路子，不是开源。所以现在能判断的是预训练阶段的效率和架构选择，模型最终好不好用、性价比如何，得等后训练完成和实际评测出来再说。

架构上的稀疏化探索和MFU优化是实打实的工程进展，值得记一笔。但“四分之一算力”这个传播点，目前更接近内部口径而非可复现的公开结论，先别急着当定论用。