AI-translated from English; not yet reviewed by a fluent editor.

# El informe de Microsoft sobre MAI-Base-2 mide el preentrenamiento, no un modelo publicado

> Microsoft presenta resultados de MAI-Base-2 en texto reservado para evaluación y estimaciones ajustadas de eficiencia del entrenamiento. El modelo base sigue en posentrenamiento, sin un punto de control público que probar.

By BIG CHANGE Editorial

Published: 2026-10-16T16:13:14.938Z
Updated: 2026-10-16T16:13:14.938Z
Canonical: https://bigchange.ai/blog/microsoft-mai-base-2-pretraining-efficiency-report

![Conceptual charcoal illustration of a storage rack connected by overhead cables to compute racks, with a separate blank evaluation workstation in a generic room.](https://bigchange.ai/api/media/file/mai-base-2-pretraining-concept-v1.png)
AI-generated conceptual illustration by BIG CHANGE; not actual Microsoft hardware or a measured result.

Microsoft AI afirma que terminó el preentrenamiento de MAI-Base-2, un modelo de mezcla de expertos con 80.000 millones de parámetros activos y 2,8 billones en total. Su [informe técnico del 15 de octubre](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/) describe una ejecución de 38 días en 16.000 GPU GB200 durante agosto y septiembre de 2026. Para los ingenieros que evalúan el resultado, la pregunta útil es más concreta que una clasificación de modelos: ¿qué mide el informe antes del posentrenamiento y del acceso público?

La respuesta tiene dos partes. Microsoft informa de menos bits por byte (BPB) en cuatro categorías de evaluación reservadas que en los puntos de control que probó. Por separado, estima que su receta de entrenamiento necesita entre 4,2 y 12,3 veces menos FLOPs de entrenamiento que DeepSeek-V4-Pro-Base para alcanzar el mismo BPB, mediante curvas ajustadas a su propia serie de experimentos a distintas escalas. Son hallazgos distintos, con limitaciones diferentes.

## El gran cambio

- **Qué cambió:** Microsoft ha informado de una ejecución completada de un modelo base a gran escala, con evaluaciones en texto reservado y una explicación detallada de su receta de entrenamiento. MAI-Base-2 sigue en posentrenamiento.
- **Por qué importa:** Los ingenieros pueden examinar cómo relaciona Microsoft la calidad del modelo con el cómputo de entrenamiento y qué decisiones de datos, arquitectura e infraestructura considera que contribuyeron. Las pruebas se refieren a la pérdida de preentrenamiento y a mediciones internas de Microsoft; no hay un servicio público de inferencia de MAI-Base-2 ni un punto de control publicado que pueda probarse con una carga de trabajo.
- **Qué conviene observar:** Los resultados del posentrenamiento y las condiciones de acceso determinarán si esta base resulta útil en productos o para equipos externos. El plan declarado por Microsoft de licenciar los pesos mediante Foundry es una oferta futura, no una disponibilidad actual.

## Qué dice la comparación con datos reservados

Microsoft evalúa modelos preentrenados en texto reservado mediante BPB, que expresa la pérdida de predicción por byte y evita una puntuación dependiente del tokenizador. El informe enumera evaluaciones de código, STEM, matemáticas y preguntas y respuestas. Dice que el conjunto de código procede del propio código de MAI, mientras que Microsoft encargó los otros conjuntos a proveedores; Microsoft afirma haber eliminado la contaminación respecto de sus datos de entrenamiento en los cuatro. Son precauciones descritas por el evaluador, no una auditoría de los datos reproducida de forma independiente.

En esos conjuntos, Microsoft informa de que MAI-Base-2 tiene un BPB inferior al de todos los modelos que probó. La distinción entre puntos de control importa. DeepSeek-V4-Pro-Base es el modelo *base* publicado que Microsoft utiliza como referencia de su receta. Microsoft dice que para Kimi K3, Qwen3.8-2.4T-A95B y MiMo-V2.6-Pro-RL solo había puntos de control *posentrenados* disponibles, y reconoce que el posentrenamiento puede afectar estas evaluaciones. Por tanto, un gráfico BPB de modelos base frente a modelos posentrenados no es una comparación controlada de las recetas de preentrenamiento de los cuatro rivales. El informe no incluye ninguna prueba de un punto de control de OpenAI, por lo que no aporta fundamento para afirmar que MAI-Base-2 supera a un modelo de OpenAI.

BPB también responde a una pregunta distinta de la utilidad de un asistente. Mide la pérdida en el material reservado seleccionado, no el seguimiento de instrucciones, el razonamiento tras el posentrenamiento, la latencia, la seguridad o el costo operativo de una aplicación. Microsoft dice que MAI-Base-2 sigue en posentrenamiento; su informe no proporciona pesos públicos, un punto de conexión de inferencia, precios ni resultados de clientes.

## De dónde sale el intervalo de eficiencia de cómputo

La afirmación de 4,2–12,3× procede de curvas de escalado ajustadas. Microsoft ajustó una curva independiente de BPB frente a FLOPs de entrenamiento para cada una de las cuatro evaluaciones, utilizando su serie de escalas y el resultado final conocido de MAI-Base-2. Después estimó cuánto cómputo necesitaría su receta para igualar el BPB de DeepSeek-V4-Pro-Base y comparó esa estimación con el cómputo de entrenamiento declarado del modelo de referencia. Microsoft afirma que los puntos de equivalencia están dentro del intervalo de su modelo ajustado y no son extrapolaciones fuera de él.

El intervalo es una *estimación a igual pérdida* de la receta de Microsoft en esas evaluaciones. No es una reducción medida de la factura real de entrenamiento de MAI-Base-2, una aceleración de la inferencia ni una prueba de que otro laboratorio obtendría el mismo resultado. Microsoft también informa de una mejora estimada de eficiencia en FLOPs de 6,3–12,7× frente a su propio MAI-Base-1. En ambos casos, el lector necesita conocer la referencia elegida, el conjunto de evaluación y el método de ajuste para interpretar la cifra.

Microsoft ofrece otro par de cifras para la ejecución de producción: una utilización media de FLOPs del modelo (MFU) del 21% y un goodput del 89%, entendido como la fracción de tiempo en la que el entrenamiento avanzó. El informe normaliza la MFU respecto de una capacidad teórica de 2,5 PFLOPS por GB200 en BF16 y excluye los FLOPs de rematerialización y del optimizador. La MFU se refiere a qué parte de esa capacidad teórica utilizó el cálculo del entrenamiento; el goodput, a las interrupciones y al progreso durante el tiempo transcurrido. Ninguno es el cociente de eficiencia en FLOPs a igual BPB. Al evaluar decisiones de diseño, Microsoft distingue expresamente las mejoras medidas en FLOPs de entrenamiento de las medidas en tiempo real transcurrido.

## La receta que, según Microsoft, produjo el resultado

El informe ofrece mecanismos plausibles junto con los límites de sus pruebas. Su serie de escalas restringe las muestras únicas en las ejecuciones menores para que los conjuntos de datos se repitan el mismo número de veces que en la ejecución completa. Microsoft afirma que esto evitó que los experimentos pequeños favorecieran decisiones que provocarían sobreajuste a mayor escala. También describe reglas empíricas de escalado de la tasa de aprendizaje, el decaimiento de pesos y el dropout, comprobadas en un modelo de tamaño intermedio antes de la ejecución completa.

En el modelo disperso, Microsoft dice que cambios en el enrutamiento de expertos, la capacidad de memoria fija y la comunicación agrupada elevaron la MFU de sus capas MoE del 24% al 35%, lo que permitió usar MoE en todas las capas. Es una medición interna de un componente, no la MFU media del 21% de toda la ejecución de 38 días. El informe describe un trabajo de optimización que dejó Muon en 165 milisegundos, el 2,1% de una iteración media de entrenamiento, además del recorte de gradientes de activación para estabilizar el entrenamiento. Su sección de datos dice que el corpus de tokens únicos creció aproximadamente un 36% respecto de MAI-Base-1. Declara 4,5 billones de tokens únicos de visión y lenguaje; contando las repeticiones, los datos de visión y lenguaje representaron el 18% de la mezcla de entrenamiento de 50 billones de tokens.

Estos detalles hacen que el documento sea útil como relato de ingeniería sobre cómo abordó Microsoft la escala. No aíslan la contribución causal de cada cambio mediante ejecuciones reproducidas de forma independiente. Microsoft atribuye el resultado a la calidad de los datos y a decisiones de modelado; los equipos externos no pueden establecer esos efectos solo a partir del informe. Las pruebas inmediatas son un modelo base completado, las pérdidas que Microsoft seleccionó en datos reservados y su análisis ajustado de eficiencia de la receta. El rendimiento como producto sigue siendo una medición aparte para un punto de control posterior.

## Fuentes y lecturas complementarias

- [Microsoft AI, «Preentrenamiento de frontera en Microsoft AI»](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/), 15 de octubre de 2026. Informe técnico de primera parte sobre la arquitectura, la ejecución de entrenamiento, las comparaciones BPB en datos reservados, los intervalos ajustados de eficiencia de cómputo, la utilización, los datos y la fase de publicación declarada. Todas las mediciones y los efectos de implementación que aparecen aquí son los comunicados por Microsoft; BIG CHANGE no reprodujo el entrenamiento ni evaluó MAI-Base-2.

## Sources

- [Microsoft AI: Preentrenamiento de frontera en Microsoft AI](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/) — Informe técnico de primera parte; fuente de todas las afirmaciones cuantitativas y descripciones de implementación. El rendimiento y los mecanismos son los comunicados por Microsoft, sin reproducción independiente.