Microsoft MAI 自研模型進度:3 兆參數級預訓練完成,離可用產品還有多遠?
微軟宣布完成 3 兆參數級基礎模型的內部預訓練,但後訓練成果仍待公布。本文解釋兩個階段的差別,以及這項進展對 AI 產品與企業選型的意義。
Microsoft MAI 這次公布的進度,值得關注的是微軟已經把大型基礎模型的預訓練掌握在自己手上。想知道何時能直接拿來工作的讀者,還要再等後訓練與產品資訊。
微軟技術文章列出 MAI-Base-2 的完整規模:總參數 2.8 兆、每次運算啟用約 800 億參數。因此,社群貼文的「3 兆參數級」是規模描述,不是每次回答都動用 3 兆參數。
參數是模型在訓練中學到的數值設定。模型越大,通常需要更多記憶體與訓練資源,但參數總量本身無法直接告訴你,摘要、寫程式或讀圖會好多少。
這份公告適合用來觀察微軟的技術供應能力。若你正在選企業 AI 服務,現在就為了參數規模換系統,依據仍然不足。
要理解這個時間差,得先分清模型學會大量資料,和學會穩定完成使用者任務,是兩個階段。
Microsoft MAI 這次完成的是預訓練
預訓練讓模型從大量資料中學習語言、知識與影像關係,得到的是後續能力的基礎。後訓練再調整指令遵循、推理、工具操作與回答方式,讓模型更接近實際產品。
微軟明寫 MAI-Base-2 正在進行後訓練,更多結果之後公布。所以這次不能直接解讀成新聊天機器人已全面上線,也不能把基礎模型測試當成最終程式代理成績。
2.8 兆與 800 億為什麼同時成立?
MAI-Base-2 採混合專家架構,也就是每次處理內容時,只挑部分模型模組參與運算。總量反映整個模型的大小,啟用量則比較接近單次運算動用的部分。
這個設計有機會把模型容量和運算成本分開調整,但未啟用的模組仍要被儲存與管理。因此,800 億啟用參數不代表它就是一個能輕鬆放進個人筆電的模型。
公告提到未來透過 Foundry 向受信任夥伴授權權重的方向。模型權重是訓練後的數值檔案,但這項方向與已公開下載、任何人都能使用,仍有不同的取得條件。

官方效率比較能回答什麼?
微軟表示,MAI-Base-2 在內部保留測試集上,超過其測試過的開放權重模型,並公布相對指定基礎模型的預訓練運算效率比較。這些結果能支持研發進度,還不能替代企業工作驗收。
原因是測試衡量的問題不同。預訓練評估會看模型對資料的預測表現,客服系統則在乎是否答對公司條款,程式代理在乎是否改對程式、通過測試,並留下可審查的差異。
同樣地,訓練所需運算量減少,也不能直接換算成訂閱價格同比下降。產品價格還涉及推論設備、服務容量、使用限制與商業方案,而公告沒有給出這種等比例承諾。
對使用者有意義的後續資訊,會是可用入口、支援輸入、延遲、工具能力,以及自己的任務成功率。這些資訊出現後,規模才會和具體選擇接上。
企業怎麼準備下一輪模型比較?
與其等新模型出來才重新整理需求,團隊現在可以先保存一小組真實工作。每題都附原始輸入、可接受答案、失敗條件,以及人要花多少時間修正。
例如文件摘要不能只看句子順不順,還要看日期、條件與責任主體是否保留。程式維護也不能只看完成訊息,得看測試、修改範圍與正式環境行為有沒有改變。
以下是不同資料能支持的決定:
| 已取得的證據 | 適合做的判斷 |
|---|---|
| 預訓練規模與技術報告 | 追蹤研發與供應能力 |
| 後訓練任務結果 | 決定是否安排小規模試用 |
| 自家任務與成本紀錄 | 評估是否替換既有服務 |
表格中的最後一步最接近採購決策。因為企業付的是完成工作的成本,失敗後重做與人工修正,也必須算進去。
Microsoft MAI 常見問題
MAI-Base-2 已經能公開下載嗎?
這份公告描述模型與未來授權方向,沒有等同於開放給所有人下載。使用範圍應以後續正式提供的入口和條款為準。
參數比較大,就一定比較會寫程式嗎?
不一定。資料、後訓練、工具環境與任務設計都會影響結果,因此需要比較相同工作,而非只比較模型大小。
這次最值得追蹤什麼?
後訓練結果與實際服務條件。前者回答能做好哪些工作,後者決定團隊是否有條件導入。
延伸閱讀
延伸閱讀:Muse Spark Open 開放權重:兩台 Mac Studio 能跑,企業採用還要看什麼?
延伸閱讀:NVIDIA Nemotron 3.5 Super VL 發布:讓 AI Agent 一起看文件、影片與工具
結語:先建立任務,再等產品資訊
MAI-Base-2 讓微軟多了一項自主模型能力,但讀者現在能做的具體準備,是把日常工作變成可比較的任務集。等取得使用入口後,拿同一份資料測成功率與修正時間,會比追逐參數數字更有幫助。
想持續追蹤模型更新與實際工作流程,可以免費訂閱 AI 郵報。
資料來源
資料核對日期:2026 年 10 月 17 日。