Microsoftが公開したのは新モデルの性能表ではなく、フロンティア級の事前学習を自社で回せるという実績の中身だ。総2.8兆・活性800億のMoE「MAI-Base-2」を、他モデルからの蒸留に頼らない有機データで、16k基のGB200 GPUにより38日で訓練した。モデルを選ぶ企業にとっては、API契約だけでなく、Foundry経由でウェイトのライセンスを受けるという調達経路が現実の選択肢に加わる。AIインフラ投資が自社訓練の計算資源に向かい、フロンティアモデルを作る主体が増える流れの中で、本当の問いは「基盤モデルを作れる主体の増加が、モデル調達の力関係をどう動かすか」に移る。ただし性能と効率の数値はすべてMicrosoftの自社主張である。

何が起きたか

Microsoft AIは2026-10-15、事前学習モデルMAI-Base-2の訓練基盤を解説する記事を公式に公開した。モデルは総2.8兆パラメータで、推論時に動く活性パラメータは800億のMixture-of-Experts（MoE）構成だ。同社は、社内の保留（held-out）評価で「試験したすべてのオープンウェイトモデル」を上回ったとしている。

仕組み・詳細

  • データ: 事前学習は他のモデルからの蒸留を含まない有機データを土台にする。コーパスは前版から約36%拡大し、ビジョンに対応した。50兆トークンの混合のうちビジョンは18%（これらの比率は取得した要約に基づく）。
  • インフラ: 16k基のGB200 GPUで38日間訓練した。平均MFU（モデルFLOPs利用率）は21%。dropless MoEとactivation gradient clippingを採用している。
  • 提供形態: 同社は、信頼できるパートナーにFoundry経由でモデルウェイトをライセンス供与する方針を示している。ここでの提供は一般の企業向けAPIとは限らず、ウェイトのライセンス供与という形である。

数字で見る

項目 内容
総パラメータ 2.8兆
活性パラメータ 800億
訓練環境 16k GB200 GPU × 38日
平均MFU 21%
事前学習FLOPs効率 DeepSeek-V4-Pro-Base比で4〜12倍（自社主張）

「全オープンウェイトモデルを上回る」という表現は、Microsoft AIの原文では「自社の保留評価で、試験したオープンウェイトモデルのすべて」に限定されている。比較対象を名指ししたのはFLOPs効率の主張で、最強のオープンベースモデルとしてDeepSeek-V4-Pro-Baseを挙げている。いずれも第三者検証は確認できていない。

背景

フロンティアモデルの競争では、Kimi K3（総2.8兆）やQwen3.8 Max（総2.4兆）など、総容量を増やしつつ活性パラメータを抑えるスパースMoEが共通の設計傾向になっている。MAI-Base-2も同じ系譜にあり、総2.8兆という規模はKimi K3と同水準だ。一方でMicrosoftが強調するのは、規模そのものより、蒸留に頼らない有機データと計算効率である。蒸留をめぐっては、別のモデルが他社モデルの蒸留で作られたかどうかが政策論点になっており、蒸留を使わないと明言すること自体が位置取りの表明になる。

なぜ重要か

  • 調達の選択肢: 提供形態はウェイトのライセンス供与で、利用側はAPI経由に加えて、パートナーとして重みを受け取る道がある。ただし対象は「信頼できるパートナー」で、誰でも使えるとは述べられていない。
  • 計算効率の主張: 4〜12倍というFLOPs効率が独立に再現されれば、同じ計算資源で作れるモデルの大きさが変わる。現時点では自社主張にとどまり、数字は割り引いて読む必要がある。
  • 自社訓練の足場: 16k GPU・38日という規模の実績は、フロンティア級の事前学習を自前で回せる主体が1社増えたことを示す。AIインフラへの巨額投資が、実際の訓練成果として見え始めた一例である。

この件の確信度つきの見立ては、洞見レーンの領分として別に扱う。