Qué se ha construido
Microsoft AI anunció el 15 de octubre que ha completado el preentrenamiento de MAI-Base-2, un modelo fundacional de mezcla de expertos con 2,8 billones de parámetros totales y 80.000 millones activos. La empresa publicó los detalles en una nota de laboratorio en su propia web, no como lanzamiento de producto, y el modelo no está disponible: se encuentra en posentrenamiento, sin punto de control, sin API, sin precio y sin fecha de lanzamiento.
Lo sustancial es la propia ejecución. Microsoft afirma que entrenó el modelo con 16.000 GPU GB200 durante 38 días, en agosto y septiembre de 2026, con una media del 21 por ciento de utilización de FLOPs del modelo y un 89 por ciento de goodput, la fracción de tiempo real en que el entrenamiento avanzó de verdad. Microsoft precisa que la cifra de utilización está normalizada frente al pico teórico BF16 del GB200, de 2,5 petaflops, y excluye los FLOPs de rematerialización y del optimizador, una salvedad que suele quedar sin decir.
La mezcla de entrenamiento sumó 50 billones de tokens. Los datos de visión y lenguaje supusieron el 18 por ciento una vez contada la repetición, procedentes de un corpus único de 4,5 billones de tokens, y a diferencia de su predecesor el modelo se preentrenó con visión de forma nativa en lugar de añadírsela después. El corpus de tokens únicos creció en torno a un 36 por ciento respecto a MAI-Base-1, con un corte de conocimiento en marzo de 2026.
La cifra que hay que leer con cuidado
La afirmación principal es que MAI-Base-2 es entre 4,2 y 12,3 veces más eficiente en FLOPs de preentrenamiento que DeepSeek-V4-Pro-Base, al que Microsoft describe como el mejor modelo base abierto que ha probado. El propio resumen de Microsoft lo redondea a entre 4 y 12 veces.
No es el resultado de una comparación directa. Microsoft llegó a esa cifra ajustando leyes de escalado sobre cuatro evaluaciones reservadas y comparando el cómputo implícito con el cómputo de entrenamiento de DeepSeek. Es una estimación de cuánto cómputo necesitaría un rival para alcanzar las mismas puntuaciones, derivada de curvas que la propia Microsoft ajustó y contrastada con una cifra del gasto de DeepSeek que Microsoft no controla. El rango es amplio por la misma razón: 4,2 y 12,3 salen del mismo método aplicado a evaluaciones distintas.
La empresa declara una mejora de entre 6,3 y 12,7 veces sobre su propio MAI-Base-1 con el mismo método, y esa es la comparación más informativa, porque ambos extremos son de Microsoft y están medidos igual.
Tres palancas, y nada de destilación
Microsoft atribuye las ganancias a la ciencia del escalado, al codiseño de modelo e infraestructura y a más datos. Lo primero abarca escaleras de escalado que tienen en cuenta los datos de entrenamiento repetidos y leyes de escalado de hiperparámetros ajustadas empíricamente. Lo segundo, mejores implementaciones de mezcla de expertos y del optimizador Muon, además del recorte del gradiente de activación. Lo tercero es la canalización web ampliada y el corpus de visión.
La empresa afirma además que no destiló de otros modelos. Eso importa tanto comercial como técnicamente: un modelo base entrenado sin las salidas de otro laboratorio es más limpio de licenciar, y Microsoft dice que planea licenciar los pesos a socios de confianza mediante Foundry.
Por qué Microsoft construye esto
Microsoft paga a OpenAI por modelos de frontera y los distribuye por todos sus productos. Construir internamente una base de 2,8 billones de parámetros, con su propia asignación de silicio, es una opción sobre dejar de necesitarlo. La nota de laboratorio dice que ya hay preparativos para MAI-Base-3, y esa es la señal más clara: esto es un programa, no una demostración.
Qué vigilar
El posentrenamiento es donde un modelo base se convierte en algo utilizable, y donde las afirmaciones se vuelven comprobables. Hasta que Microsoft entregue un modelo posentrenado que evaluadores externos puedan ejecutar, las cifras de eficiencia seguirán siendo estimaciones propias sobre sus propias pruebas reservadas. Habrá que vigilar los términos de licencia en Foundry, cualquier evaluación independiente frente a DeepSeek-V4-Pro-Base, y si Microsoft publica las cuatro evaluaciones reservadas con las que ajustó las curvas.
