“参数越大越好”这个等式，在 2026 年已经越来越不成立。10 月 15 日，微软 AI 官宣自研基座模型 MAI-Base-2 完成预训练：总参数 2.8 万亿、每次计算激活 800 亿，并称在内部评测中超过了所有被测开源模型。 但把这份技术披露从头读到尾会发现，2.8T 这个数字兑现的东西相当有限：模型仍在后训练，没有开放权重、没有 API、没有上线时间和价格；所有领先结论出自微软自家保留考题；传得最广的“4 到 12 倍效率”，也只是一条自家曲线上读出的估算。这场热点真正值得读的，不是参数规模本身，而是微软顺手摊开的整个行业的天花板。微软官方博客
2.8T 是容量，不是算力，更不是产品
按公开口径，这次训练动用了 1.6 万张英伟达 GB200，历时 38 天，训练量累计 50 万亿 token。 架构上它是 MoE（混合专家）：每层设 512 个专家，每读一个 token 只叫醒其中 7 个，外加 1 个常驻专家。 这套结构的实际含义是：2.8 万亿参数里，每次推理真正参与计算的只有约三十五分之一，参数总量决定的是知识容量，而不是单字成本。至于“用上它”，微软自己的说法是当前还在后训练，很快会分享更多结果。微博知乎微软官方博客
衡量“超过所有参测开源模型”的尺子叫 BPB（bits per byte），看的是模型读没见过的文本时每个字节有多“意外”，它衡量的是懂多少，和能不能把活干好还隔着一层。在代码保留项上，微软给出的数字是 MAI-Base-2 0.2203、DeepSeek-V4-Pro-Base 0.2370、Kimi-K3 0.2264；数学项差距进一步缩到 0.3561 对 0.3589——对手还是总参数同为 2.8T、激活 104B 的开源 Kimi K3。 MoE 时代的通行规则本来就是：总参数决定容量和专家分工，激活参数才接近单次推理的计算成本，一个 2.8T 的“底座”完全可能比一个更小的稠密模型跑得更省。知乎知乎
传得最广的“4-12 倍”，是拟合曲线上的读数
微软在公告里把 MAI-Base-2 的效率写成“比最强开源基座 DeepSeek-V4-Pro-Base 高 4 到 12 倍”，并且同一句话承认：省下来的算力，被拿去训练了更大的模型。 这个倍数不是两家拿同样算力各训一个模型对出来的——微软先训了一串大小不同的小模型，用它们拟合出“投多少算力、能考多少分”的 scaling 曲线，再反推自家配方达到 DeepSeek 分数所需的算力。微软官方博客知乎
按报告，STEM、数学和问答的保留评测是外包供应商出题以降低污染风险，代码考题则直接取自 MAI 自家代码库。 倍数也因此严重挑任务：代码 12.3 倍、问答只有 4.2 倍，而倍数最高的那一项，恰好是用自家代码库出题的那一项；DeepSeek 实际训练算力报告正文未披露、曲线拟合还纳入了自家终点成绩、至今没有第三方复现。微软官方博客知乎
数据比榜单更诚实：新 token 的增量跟不上重复的增量
报告里最有分量的信息藏在数据页：训练总量从上一代的 30T 涨到 50T，但不重复的 token 只多了约 36%，多出来的 20T 增量，主要靠同一批数据多读几遍。 配比同样说明问题：代码占比从 55% 降到 45%、重复喂读占比上升，涨得最猛的是书籍类（不重复 token 接近翻三倍），并新增了 14% 的纯视觉数据；网页知识的截止时间停在 2026 年 3 月。工程侧，官方公布的平均 MFU 只有 21%——GB200 理论算力里大约五分之一真正花在了模型计算上。 Scaling 是条幂律曲线，模型越大，单位新增算力带来的改善越小；当数据的“独特率”涨不过 token 总量时，堆参数堆出来的更多是记忆，不是智能。知乎微软官方博客知乎
这份报告真正想卖的，是“干净的权重”
披露的重心其实不在跑分，而在数据来路：官方强调预训练建立在不蒸馏任何其他模型的原生数据上，权重将经由 Foundry 授权给受信任的企业伙伴。 一位逐页读了报告的知乎从业者的判断更直白：这份 PDF，一半是技术报告，一半是写给 Foundry 企业客户的资质证明。 自研这条线背后是一笔商业账：微软要在手握 OpenAI 授权的同时，把从数据到权重的整条管线攥在自己手里。微软官方博客知乎
对普通用户，现在能做的只有盯住两件事：一是后训练出的推理模型能否把底座优势带到 SWE-Bench Pro 这类公开基准上，和 6 月发布的 MAI-Thinking-1 形成实打实的代际差；二是“4 到 12 倍”能否被第三方复现。这两件事落地之前，2.8T 的意义只是微软重新坐回了前沿牌桌——它既不证明参数越大越好，也不说明参数不重要，只说明一件事：竞争早已从堆规模，换到了比配方、比数据、比管线。
