A Microsoft AI anunciou na quinta, 15 de outubro, que concluiu o pré-treino do MAI-Base-2. É um modelo de mistura de especialistas com 2,8 trilhões de parâmetros e 80 bilhões ativos por token. O treino rodou em 16 mil GPUs GB200 da Nvidia por 38 dias, em agosto e setembro. Pelas medições da própria empresa, ele supera todos os modelos de pesos abertos que ela testou. No mesmo dia, Mustafa Suleyman, CEO da Microsoft AI, disse a funcionários que o modelo base é mais forte que o do GPT-5.6 Sol, da OpenAI. A fala foi relatada pelo Business Insider.
Em resumo
- O modelo: 2,8 trilhões de parâmetros e 80 bilhões ativos, treinado com 50 trilhões de tokens. Dados visuais são 18% da mistura, e o conhecimento vai até março de 2026.
- O treino: 16 mil GB200 por 38 dias, com uso médio de 21% do pico teórico das GPUs e 89% do tempo em progresso útil.
- A comparação publicada: vence DeepSeek-V4-Pro-Base, Kimi K3, Qwen3.8 e MiMo-V2.6-Pro em quatro conjuntos de teste próprios. A receita seria de 4,2 a 12,3 vezes mais eficiente em computação que a da DeepSeek.
- A comparação interna: Suleyman disse a funcionários que a Microsoft usou um quarto da computação da OpenAI. A Microsoft não comentou e a OpenAI não respondeu.
- O que falta: o modelo segue em pós-treino, sem API, preço ou data. A Microsoft fala em licenciar os pesos a parceiros de confiança pelo Foundry.
O que a Microsoft anunciou?
O anúncio saiu como nota técnica no blog da Microsoft AI, sem autor nomeado. O MAI-Base-2 é maior e mais esparso que o MAI-Base-1, base do MAI-Thinking-1, lançado em junho de 2026. Segundo o GIGAZINE, o antecessor tinha 1 trilhão de parâmetros e 35 bilhões ativos. Na versão nova, a mistura de especialistas ocupa todas as camadas. A empresa diz que esse arranjo não rendia bem no MAI-Base-1.
Os dados somam 50 trilhões de tokens, com cerca de 36% mais tokens únicos que o antecessor. A parte visual tem 4,5 trilhões de tokens únicos e, com repetição, responde por 18% da mistura. O modelo aprende imagem desde o início do treino, sem codificador separado. A Microsoft diz que usou só dados orgânicos, sem destilação de outros modelos, com todo o processamento feito em casa. O robô de coleta respeita o robots.txt e exclui sites da lista de mercados notórios de pirataria do governo americano.
A nota detalha a engenharia. A empresa adotou o otimizador Muon, que diz ser mais estável e eficiente que o AdamW. O uso efetivo das GPUs nas camadas de especialistas subiu de 24% para 35% depois de correções de fragmentação de memória. A média do treino inteiro ficou em 21% do pico teórico de 2,5 petaflops por GB200 em BF16. Os preparativos do MAI-Base-3 já começaram.
Como a Microsoft mede o resultado?
A métrica é bits por byte em conjuntos de teste reservados. Quanto menor, melhor. O teste de código usa a base de código da própria Microsoft. Os de ciência, matemática e perguntas foram encomendados a fornecedores e limpos de sobreposição com os dados de treino. Os resultados aparecem só em gráficos, sem tabela no texto.
Pela leitura do TensorFeed sobre os gráficos, a vantagem sobre o DeepSeek-V4-Pro-Base fica entre 4,3% e 7,9%. Contra o Kimi K3, fica entre 2,5% e 2,9% em três conjuntos e em 0,8% em matemática. Três dos rivais só tinham versão pós-treinada disponível, medida numa métrica feita para modelo base. A própria Microsoft registra essa ressalva.
A eficiência de 4,2 a 12,3 vezes sobre a DeepSeek sai de ajustes de leis de escala em quatro avaliações. Na introdução, a nota arredonda para “4 a 12 vezes”. Contra o MAI-Base-1, o ganho fica entre 6,3 e 12,7 vezes, e a empresa diz que reinvestiu a economia num modelo maior. Bits por byte mede a previsão de texto. Uso de ferramentas, agentes e conversa dependem do pós-treino, que ainda não terminou.
O que Suleyman disse sobre a OpenAI?
Numa reunião geral com funcionários na quinta, Suleyman disse que a Microsoft tem “um modelo base pré-treinado mais forte do que o modelo que hoje move o GPT 5.6 Sol”. Disse também que a empresa usou “um quarto da computação que a OpenAI usou para treinar o modelo dela”. A fala foi publicada pelo Business Insider e reproduzida pelo DNYUZ e pelo Windows Mode. Segundo ele, a comparação foi feita em sigilo, com a informação técnica que a Microsoft tem sobre os modelos da parceira.
A nota pública não cita a OpenAI. O TensorFeed apontou essa diferença: o material publicado compara só modelos abertos. Os “12 vezes menos computação” que Suleyman atribuiu à comparação com a DeepSeek são o topo da faixa da nota, e ele não disse qual modelo. A Microsoft não comentou ao Business Insider e a OpenAI não respondeu. A comparação com o GPT-5.6 Sol não pode ser conferida de fora.
O Business Insider observou que é incomum um executivo da Microsoft apontar limites de modelos da OpenAI. A Microsoft vende esses modelos no Azure, usa no Copilot e tem participação que o veículo estima em mais de US$ 100 bilhões. Segundo o 24/7 Wall St., ela tem direitos sobre a tecnologia da OpenAI até 2032. A ação da Microsoft subiu 1,08% na quinta, para US$ 539,44, reação que o 24/7 Wall St. chamou de discreta.
Como chegamos até aqui?
Em março, a Microsoft pôs Suleyman para cuidar dos modelos na unidade de superinteligência, segundo o Business Insider. Em junho saiu o MAI-Thinking-1. Em julho, Satya Nadella disse que “todo modelo é substituível”. A diretora financeira, Amy Hood, chamou a diversificação de modelos de oportunidade de melhora de margem, segundo o 24/7 Wall St. No começo de outubro vieram o MAI-Transcribe-2 e vozes novas em português do Brasil, que a Marcio.AI cobriu. O MAI-Base-2 leva a mesma estratégia ao modelo de fronteira.
O que isso muda para empresas no Brasil?
Para empresas brasileiras que compram IA pelo Azure, o MAI-Base-2 aponta para um segundo fornecedor de modelo de fronteira dentro do mesmo contrato. A Microsoft diz que ajusta seus modelos primeiro para os próprios produtos e depois para clientes do Foundry. Ainda não há data, preço nem lista de parceiros.
A origem dos dados entra na conta jurídica. Um modelo treinado sem destilação e com coleta que respeita o robots.txt reduz parte do risco de propriedade intelectual que áreas jurídicas de bancos e seguradoras costumam levantar. A afirmação é da Microsoft e não tem auditoria externa. Ela chega uma semana depois de a Anthropic dizer que cortou de 90% a 99% a destilação do Claude por laboratórios rivais.
Na arquitetura, a recomendação prática é manter a aplicação independente do modelo. Quem amarra prompts, ferramentas e avaliações a um único fornecedor perde a chance de comparar quando um MAI pós-treinado chegar ao Foundry.
O que observar nas próximas semanas
A tese da Marcio.AI: até o fim do primeiro semestre de 2027, a Microsoft vai oferecer um modelo MAI pós-treinado no Copilot ou no Foundry como alternativa direta aos modelos da OpenAI. Ganham os clientes do Azure, que passam a negociar com dois modelos de fronteira no mesmo fornecedor. Perde a OpenAI, que deixa de ser a única opção de fronteira dentro da Microsoft. Quatro sinais para conferir. Os resultados do MAI-Base-2 pós-treinado em testes de código e de agentes. Os primeiros parceiros e termos de licença no Foundry. Uma resposta da OpenAI com números próprios de computação. E o calendário do MAI-Base-3.
Fontes
- Microsoft AI, Frontier Pre-training at Microsoft AI, 15/10/2026
- StreetInsider, Microsoft completes pre-training of MAI-Base-2 AI foundation model, 15/10/2026
- Business Insider via DNYUZ, Microsoft AI chief says the company beat OpenAI at its own game, using a quarter of the computing power, 15/10/2026
- GIGAZINE, Microsoft announces completion of pre-training for its 2.8 trillion-parameter foundational model, MAI-Base-2, 16/10/2026
- 24/7 Wall St. via Yahoo Finance, Microsoft’s AI Chief Says It Built a Better Model Than OpenAI’s With a Quarter of the Computing Power, 16/10/2026
- DigitalToday, Microsoft AI chief says company built model stronger than GPT-5.6 with quarter of computing power, 16/10/2026
- Windows Mode, Microsoft’s MAI-Base-2 Is Here: Suleyman Says It Beats OpenAI’s GPT 5.6 Model With a Quarter of the Compute, 17/10/2026
- TensorFeed, Suleyman Told Staff MAI-Base-2 Beats the Model Behind GPT-5.6 Sol on a Quarter of the Compute. Microsoft’s Own Paper Only Compares Open Models, 17/10/2026
Rating Marcio.AI: 5/5 (Global, Totalmente relevante, No centro do hype). Seção DeepTech do Watcher.
#MarcioAI #Microsoft #MAIBase2 #ModelosDeFronteira #OpenAI #Azure #InteligenciaArtificial
Como este texto foi produzido
Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.
Leia também: Anthropic diz ter cortado de 90% a 99% a destilação do Claude por laboratórios rivais e Microsoft lança transcrição em tempo real em 60 idiomas e novas vozes com português do Brasil.