마이크로소프트는 어제(현지 시간) 차세대 SOTA 기반 모델 MAI-Base-2의 사전학습이 완료됐다고 발표했으며, 공식 발표에 따르면 이 모델의 성능은 테스트에 참여한 모든 오픈소스 웨이트 모델보다 강력합니다.
이 수치들은 상당히 강력합니다. MAI-Base-2의 총 파라미터 규모는 2.8T, 활성 파라미터는 80B이며, 엔비디아 GB200 GPU 6000개에서 38일에 걸쳐 학습되었습니다. 전체 학습 과정에서 모델의 평균 부동소수점 연산 활용률은 21%, 유효 처리량은 89%였습니다. 초대형 클러스터에서 이런 효율을 안정적으로 유지하는 것 자체가 공학적 역량의 증거입니다.
연산 효율, DeepSeek 대비 4배에서 12배
더 흥미로운 것은 효율 비교입니다. 마이크로소프트는 MAI-Base-2의 사전학습 연산 효율이 DeepSeek-V4-Pro-Base의 4배에서 12배에 달한다고 주장했습니다. '자금을 쏟아부어 인프라를 구축'하는 것이 업계 상반주가 된 지금, 단위 연산당 산출량에서 차원이 다른 격차를 벌리는 것은 단순히 파라미터를 쌓는 것보다 더 전략적인 의미를 갖습니다.
마이크로소프트는 이번 성공의 원인으로 세 가지를 꼽았습니다. 과학화된 스케일링, 모델과 인프라의 공동 설계, 그리고 데이터 스케일링입니다. 즉, 무작정 카드를 추가하는 것이 아니라 알고리즘, 하드웨어, 데이터 레시피를 동시에 다듬은 것입니다. MAI-Base-2를 마무리하는 동안 이 거대 기업은 이미 조용히 MAI-Base-3의 준비 작업에 착수했습니다. 기반 모델의 군비 경쟁에서 마이크로소프트는 뒤처지기를 바라지 않을 뿐 아니라, 오히려 속도를 내어 선두권으로 달려 나가고 있습니다.