IT之家 El 16 de octubre, según informa Business Insider, el lunes 15 en la hora local, Mustafa Suleman, CEO del negocio de IA de Microsoft, declaró en una reunión de empleados que un modelo de IA desarrollado por Microsoft tiene mejor rendimiento que los productos similares de OpenAI, y se espera que el costo de entrenamiento sea aún menor. “El rendimiento de nuestro modelo de base preentrenado supera al del modelo que actualmente impulsa GPT-5.6 Sol; la capacidad de computación utilizada para el entrenamiento es en realidad solo una cuarta parte de la de OpenAI.”
El preentrenamiento es el primer paso en el desarrollo de modelos de IA; los modelos deben aprender las regularidades en grandes cantidades de texto, imágenes y otros datos. Dado que el preentrenamiento requiere una gran cantidad de potencia computacional y tiene un alto costo, si Microsoft puede mejorar la eficiencia del entrenamiento, es posible reducir significativamente los costos.
Más temprano ese mismo día, Microsoft lanzó este modelo desarrollado por sí misma, llamado MAI-Base-2.
Suleyman reveló que Microsoft, en privado, comparó MAI-Base-2 con varios modelos de OpenAI, entre los cuales se encuentra el modelo con código de nombre Spud, que permite el funcionamiento de GPT-5.6. Al probar la capacidad del AI para comprender y predecir patrones de información, el modelo de Microsoft obtuvo mejores resultados.
IT Home obtuvo información de los reportes, según la cual la base de comparación se basa en los datos técnicos del modelo de OpenAI que posee Microsoft. Suleiman indicó que Microsoft realizó una comparación “en privado y de forma confidencial” con el modelo de OpenAI, lo que sugiere que Microsoft posee información especial sobre el rendimiento del modelo de OpenAI.
Además, Suleyman también dijo que el nuevo modelo de Microsoft tiene la misma ventaja en eficiencia de cálculo, “por ejemplo, con DeepSeek, la cantidad de cálculos que necesitamos es solo una décima parte de los suyos”. Sin embargo, no reveló qué modelo de DeepSeek era el objeto de comparación.