IT之家 Nouvelles du 16 octobre : selon Business Insider, le 15 en heure locale, le PDG de la division IA de Microsoft, Mustafa Suleyman, a déclaré lors d'une réunion avec les employés que les performances d'un modèle d'IA développé en interne par Microsoft…Dépassant les produits similaires d'OpenAI…et dont le coût d'entraînement devrait être plus faible. « Notre modèle de fondation pré-entraîné surpasse les performances des modèles qui alimentent actuellement GPT-5.6 Sol, avec une puissance de calcul réellement utilisée lors de l'entraînementseulement un quart de celui d'OpenAI。”
Le pré-entraînement est la première étape du développement d'un modèle d'IA : le modèle doit apprendre les régularités présentes dans d'immenses quantités de textes, d'images et d'autres données. Comme le pré-entraînement nécessite une puissance de calcul considérable, il coûte très cher ; si Microsoft parvient à améliorer l'efficacité de l'entraînement, il pourrait espérer réduire fortement les coûts.
Plus tôt dans la journée, Microsoft a publié ce modèle développé en interne, nommé MAI-Base-2.
Suleyman a révélé que Microsoft avait comparé en privé MAI-Base-2 à plusieurs modèles d'OpenAI, dontLe modèle de nom de code Spud qui fait fonctionner GPT-5.6. Lors des tests évaluant la capacité de l'IA à comprendre et à prédire les régularités de l'information, le modèle de Microsoft a obtenu de meilleurs résultats.
IT之家 a appris des reportages que la comparaison s'appuyait sur la documentation technique des modèles d'OpenAI dont Microsoft dispose. Suleyman a déclaré que Microsoft avait « en privé et de manière confidentielle » comparé son modèle à ceux d'OpenAI, suggérant que Microsoft détient des informations privilégiées sur les performances des modèles d'OpenAI.
De plus, Suleyman a ajouté que le nouveau modèle de Microsoft présentait également un avantage en matière d'efficacité de calcul: « Prenons DeepSeek en exemple, la quantité de calcul dont nous avons besoin n'est que le douzième de la sienne. » Cependant, il n'a pas précisé quel modèle de DeepSeek servait de référence à cette comparaison.