Microsoft revela detalhes do treinamento do MAI-Base-2, seu modelo IA de 2,8 trilhões de parâmetros

A Microsoft acaba de abrir o capô do MAI-Base-2, seu novo modelo de IA que chega com 2,8 trilhões de parâmetros no total, sendo 80 bilhões ativos. Este modelo de fundação, construído sobre uma arquitetura Mixture-of-Experts (MoE), é o coração da próxima geração de inteligência artificial da empresa. O pré-treinamento, realizado em 16 mil GPUs GB200 ao longo de 38 dias em agosto e setembro de 2026, é um feito e tanto. A estratégia da Microsoft passa por uma abordagem full-stack, otimizando desde a coleta de dados, que é orgânica e não usa destilação de outros modelos, até o co-design entre o modelo e a infraestrutura, usando implementações aprimoradas de MoE e Muon. Essa integração garante que o MAI-Base-2 seja não só mais potente, mas também incrivelmente eficiente, superando em testes internos todos os modelos de código aberto testados.

A empresa destacou avanços na ciência de escalonamento, como a criação de 'scaling ladders' que ajustam a repetição de dados de treinamento e leis empíricas para otimização de hiperparâmetros. Isso permitiu prever e controlar o desempenho do modelo em larga escala. A eficiência de FLOPs do MAI-Base-2 é impressionante, sendo de 4 a 12 vezes maior que o DeepSeek-V4-Pro-Base, o modelo base de código aberto mais robusto. Com essa base, a Microsoft planeja, via sua plataforma Foundry, transformar esse modelo de ponta em soluções escaláveis e confiáveis para o mercado corporativo, licenciando os pesos do modelo a parceiros de confiança.

O MAI-Base-2 representa um salto significativo em relação ao seu antecessor, o MAI-Base-1, lançado em junho de 2026. Enquanto o MAI-Base-1 era um modelo competente, mas menor em comparação com os modelos de fronteira, o MAI-Base-2 é maior, mais esparso e foi treinado com um volume muito maior de dados. Essa nova versão oferece uma melhoria de 6,3 a 12,7 vezes na eficiência de FLOPs em relação ao MAI-Base-1, resultado do aprimoramento da receita de treinamento, qualidade dos dados e escolhas de modelagem. Além disso, a Microsoft havia lançado o MAI-Thinking-1 em agosto de 2026, um modelo de raciocínio pós-treinado sobre o MAI-Base-1. Agora, o MAI-Base-2 assume o posto de modelo de fundação mais avançado, prometendo novas capacidades para futuros modelos e aplicações da empresa.

A revelação dos detalhes do MAI-Base-2 reforça a aposta da Microsoft em IA de fronteira, posicionando-a na vanguarda da corrida por modelos de grande escala. A capacidade de superar modelos de código aberto com uma eficiência computacional superior significa custos de operação e desenvolvimento potencialmente menores, além de um desempenho otimizado. A estratégia de possuir a 'stack' completa, do chip (como visto na cobertura do CEVIU sobre o Azure Maia e Maia 300) ao modelo e à plataforma de distribuição (Foundry), concede à Microsoft um controle sem precedentes sobre a qualidade, segurança e inovação de seus produtos de IA. Para as empresas, isso se traduz em acesso a inteligência artificial de ponta, robusta e confiável, sem os riscos associados à falta de proveniência de dados ou otimização de infraestrutura. É um movimento estratégico que consolida a liderança da Microsoft no cenário de IA corporativa.