Microsoft a annoncé hier, heure locale, que le nouveau modèle de base SOTA MAI-Base-2 avait achevé son pré-entraînement ; selon l'entreprise, ses performances dépassent celles de tous les modèles à poids open source testés.
Ces chiffres sont particulièrement impressionnants : MAI-Base-2 compte 2,8 T de paramètres au total et 80B de paramètres actifs, et a été entraîné en 38 jours sur 6000 GPU NVIDIA GB200. Sur l'ensemble de l'entraînement, le modèle affiche un taux d'utilisation moyen du calcul en virgule flottante de 21 % et un débit effectif de 89 % — tenir une telle efficacité sur un très grand cluster est en soi une démonstration de prouesse d'ingénierie.
Une efficacité de calcul supérieure de 4 à 12 fois à celle de DeepSeek
Plus intéressant encore est la comparaison d'efficacité. Microsoft affirme que l'efficacité de calcul du pré-entraînement de MAI-Base-2 atteint 4 à 12 fois celle de DeepSeek-V4-Pro-Base. À l'heure où « brûler de l'argent pour construire des infrastructures » caractérise la première phase du secteur, parvenir à creuser un écart d'un ordre de grandeur dans le rendement par unité de calcul est plus stratégique que le simple empilement de paramètres.
Microsoft attribue ce succès à trois facteurs : une mise à l'échelle scientifique, la co-conception du modèle et de l'infrastructure, ainsi que la mise à l'échelle des données. Autrement dit, il ne s'agit pas simplement d'ajouter des GPU, mais de peaufiner simultanément les algorithmes, le matériel et la recette de données. Tout en concluant MAI-Base-2, le géant a discrètement lancé les préparatifs de MAI-Base-3 — dans cette course aux armements des modèles de fond, Microsoft ne veut manifestement pas se laisser distancer et accélère au contraire pour prendre la tête du peloton.