Microsoft anunció ayer, hora local, que el nuevo modelo base SOTA de nueva generación, MAI-Base-2, ha completado su preentrenamiento, y la empresa afirma oficialmente que su rendimiento supera al de todos los modelos de pesos abiertos evaluados.
Las cifras son contundentes: MAI-Base-2 tiene una escala total de 2.8T de parámetros, con 80B de parámetros activos, y fue entrenado en 6000 GPU NVIDIA GB200 durante 38 días. A lo largo de todo el entrenamiento, el modelo mantuvo una utilización media de la capacidad de cómputo en punto flotante del 21% y un rendimiento efectivo del 89%: sostener esa eficiencia en un clúster ultra grande es, en sí mismo, una muestra de solidez de ingeniería.
La eficiencia de cómputo supera a la de DeepSeek por un factor de 4 a 12
Más interesante aún es la comparación de eficiencia. Microsoft afirma que la eficiencia de cómputo del preentrenamiento de MAI-Base-2 es de 4 a 12 veces la de DeepSeek-V4-Pro-Base. En un momento en que "quemar dinero construyendo infraestructura" define la primera mitad de la industria, lograr una brecha de órdenes de magnitud en el rendimiento por unidad de cómputo tiene más relevancia estratégica que simplemente acumular parámetros.
Microsoft atribuye este éxito a tres factores: el escalado científico, el codesign del modelo y la infraestructura, y el escalado de los datos. Dicho de otro modo, no se trata solo de añadir tarjetas, sino de pulir al mismo tiempo los algoritmos, el hardware y la receta de datos. Mientras culminaba MAI-Base-2, el gigante ya ha puesto en marcha en silencio los preparativos de MAI-Base-3: en la carrera armamentística de los modelos base, Microsoft claramente no quiere quedarse atrás, sino que ha acelerado hasta situarse en primera línea.