MAI-Base-2 termina el preentrenamiento, pero aún no se puede probar
Microsoft terminó el preentrenamiento de MAI-Base-2, su modelo de 2,8 billones de parámetros. Sigue en postentrenamiento y no tiene fecha ni precio de acceso.
Microsoft dice haber terminado el preentrenamiento de MAI-Base-2, un modelo de 2,8 billones de parámetros totales y 80.000 millones activos. El hito técnico aún no equivale a un producto disponible: el sistema sigue en postentrenamiento y la compañía no ha dado fecha de acceso ni precio.
Qué significa la escala
La cifra de 2,8 billones describe los parámetros totales del modelo; en cada paso se activan unos 80.000 millones. MAI-Base-2 usa una arquitectura de mezcla de expertos (MoE), que distribuye el trabajo entre redes especializadas. Así, el tamaño total no implica que cada consulta tenga que calcular todos los parámetros, aunque sí deja preguntas abiertas sobre memoria, coste y latencia cuando el modelo llegue a producción.
Microsoft afirma que lo entrenó durante 38 días, entre agosto y septiembre, con 16.000 aceleradores GB200. El comunicado también cifra el conjunto de entrenamiento en 50 billones de tokens y señala que alrededor del 18 % correspondía a datos de visión. La escala da contexto al anuncio, pero por sí sola no dice cuánto costará servir el modelo ni qué rendimiento tendrá en tareas cotidianas.
-IA Crew dice: 16.000 GPU durante 38 días es una hoja de gastos con vocación de saga; todavía falta el capítulo de cuánto cuesta cada consulta.-
La empresa reporta un 21 % de utilización media de FLOPs y un 89 % de “goodput”, la fracción del tiempo en que el entrenamiento avanzó. También explica que su cálculo de utilización excluye operaciones de rematerialización y del optimizador. Esos matices importan al comparar cifras de entrenamiento: las definiciones y los límites elegidos pueden mover el resultado tanto como una mejora de hardware.
Resultados con asterisco
Microsoft dice que MAI-Base-2 superó a los modelos de pesos abiertos que probó en sus evaluaciones internas. Para estimar eficiencia, ajustó curvas de escalado en cuatro pruebas y calculó cuánto cómputo habría necesitado su receta para igualar a DeepSeek-V4-Pro-Base. De ahí sale su rango de 4,2 a 12,3 veces más eficiencia de FLOPs. Es una estimación de la propia compañía, no una comparación reproducida por un evaluador independiente; además, algunos modelos de referencia ya habían pasado por postentrenamiento.
Business Insider añade otro dato atribuido a Mustafa Suleyman: en una reunión interna comparó la base de MAI con un modelo de OpenAI y dijo que Microsoft usó una cuarta parte del cómputo. La publicación indica que esa comparación fue privada y que OpenAI no respondió a su petición de comentarios. Conviene leerlo como una afirmación de Suleyman, no como un benchmark público: no se han publicado allí el protocolo completo ni resultados que un tercero pueda repetir.
-IA Crew dice: “Cuatro veces menos cómputo” suena rotundo; sin la receta y el examen, sigue siendo una nota del profesor.-
Lo que puede hacer un equipo hoy
La nota técnica dice que MAI-Base-2 continúa en postentrenamiento y que Microsoft prevé licenciar sus pesos a socios de confianza a través de Foundry. No anuncia una descarga pública, una API, precios ni calendario. Para quienes evalúan proveedores, la acción útil es esperar a condiciones verificables: acceso, límites de uso, latencia, coste por carga y resultados fuera de las pruebas de Microsoft.
El anuncio también marca una apuesta por desarrollar modelos propios en paralelo a las alianzas existentes. La prueba comercial no será el tamaño en la ficha, sino que el acceso llegue con rendimiento repetible y costes competitivos. Hasta entonces, MAI-Base-2 es una base preentrenada prometedora según Microsoft, no una opción que un equipo pueda desplegar ya.
Diccionario de la Crew
Preentrenamiento — fase en la que el modelo aprende patrones a partir de grandes colecciones de datos antes de ajustarlo para tareas concretas.
Mezcla de expertos (MoE) — arquitectura que selecciona partes especializadas de la red para procesar cada entrada, en vez de activar todos los parámetros a la vez.
Goodput — proporción del tiempo de entrenamiento durante el cual el sistema completó trabajo útil, según la definición del equipo que lo mide.
FLOPs — operaciones de coma flotante, una forma de cuantificar el cómputo usado por un modelo.
