اكتمل التدريب المسبق لـ MAI-Base-2: ادعاء Microsoft بكفاءة تتراوح بين 4 و12 ضعفًا، من دون النموذج

الرقم الذي انتشر في 15 أكتوبر كان "3T". MAI-Base-2، النموذج التأسيسي الداخلي الجديد لدى Microsoft AI، هو النموذج وراءه — ويضعه منشور الشركة التقني نفسه عند 2.8 تريليون معامل إجمالي مع 80 مليارًا نشطًا. التقريب طفيف؛ والأمر الأكثر فائدة هو ما يحتويه المنشور نفسه وما لا يحتويه. أكمل MAI-Base-2 التدريب المسبق، ويجري حاليًا تدريبه اللاحق، وليس له نقطة تحقق ولا سعر ولا ترخيص ولا تاريخ مرتبط به. الادعاء الرئيسي هو ميزة في كفاءة FLOPs للتدريب المسبق تبلغ 4–12 ضعفًا مقارنةً بـ DeepSeek-V4-Pro-Base، وهو نقطة التحقق الأساسية الوحيدة الصادرة للتدريب المسبق التي تتجاوز تريليون معامل. كل ما يتعلق بهذا الادعاء هو تقدير من الشركة الموردة، والمنشور صريح بشكل غير معتاد حول كيفية إنتاجه. هذا ما يدعمه السجل العام اعتبارًا من 16 أكتوبر 2026 — والرقمان الموجودان فيه اللذان لم تضعهما Microsoft في العنوان الرئيسي.

ما نشرته مايكروسوفت فعليًا، وما لم تنشره

المصدر الأساسي هو منشور في Lab Notes على موقع Microsoft AI نفسه، بتاريخ 15 أكتوبر 2026، بعنوان "التدريب المسبق المتقدم في Microsoft AI". أعلن مصطفى سليمان عنه بعد ظهر اليوم نفسه بعبارة مفادها أن MAI لديها الآن "نماذج أساسية مدربة مسبقًا على أحدث مستوى في فئة 3 تريليون معلمة، بُنيت بالكامل داخليًا في MAI"، واختتم بقوله "نتائج التدريب اللاحق قريبًا". هذا هو الأساس الكامل للقصة، وهي شركة تصف عملها الخاص — فالادعاءات التقنية الواردة أدناه لم يُعِد إنتاجها أي طرف خارج MAI، ولا يوجد تقييم مستقل لهذا النموذج في السجل العام.

ما لا يوجد بعد هو الجزء الذي يريده معظم القراء:

• الأوزان — لا شيء. لا مستودع، ولا نقطة تحقق، ولا تكميم، ولا تنزيل من أي نوع.

• منتج أو واجهة برمجة تطبيقات — لا شيء. لا توجد نقطة نهاية، ولا صفحة أسعار، ولا بطاقة نموذج.

• ترخيص — لم يُذكر. تقول التدوينة إن امتلاك خط الأنابيب "سيتيح لنا ترخيص أوزان نموذجنا لشركاء موثوقين عبر Foundry"، وهو نية معلنة وليس إعلانًا.

• تاريخ — لا يوجد أي منها لنتائج ما بعد التدريب، ولا أي منها لتوفر Foundry، ولا أي منها لـ MAI-Base-3.

• معايير قياس يمكن لأي شخص إعادة تشغيلها — لا يوجد. يُوصف نطاق التقييم، ولا تُنشر الدرجات الخام في صيغة يمكن لطرف ثالث إعادة إنتاجها.

لذا فإن الوصف الدقيق لـ MAI-Base-2 اليوم هو كلمة واحدة: غير مكتمل. التدريب المسبق — المرحلة المكلفة التي تمتد أشهرًا والتي تحوّل النص والصور الخام إلى نموذج أساسي — قد انتهى. التدريب اللاحق هو حيث يتحول النموذج الأساسي إلى شيء يمكن للشخص التحدث إليه، وهذه المرحلة جارية الآن. هذا التمييز مهم لأنه بالضبط حيث تكمن أنماط الفشل المثيرة للاهتمام، ولأن نقطة حفظ أساسية ونموذج محادثة ليسا كائنين قابلين للمقارنة.

ما الذي تقيسه فعليًا عبارة «أكثر كفاءة في FLOPs بمقدار 4–12x»؟

هذا هو الادعاء الذي سيتكرر في كل مكان، لذا يجدر بنا أن نكون دقيقين بشأن شكله، لأنه ليس اختبارًا قياسيًا مباشرًا وجهًا لوجه.

التعريف، كما ورد في المنشور: تقارن مايكروسوفت النماذج المُدرَّبة مسبقًا على نص محتجز باستخدام bits-per-byte، وهو مقياس لا يعتمد على المُرمِّز — والقيمة الأقل أفضل. أما الشيفرة المحتجزة فمأخوذة من قاعدة شيفرة MAI نفسها؛ وقد طُلبت مجموعات STEM والرياضيات والأسئلة والأجوبة (Q&A) من موردين خارجيين «للحد من خطر تلوّث مجموعة التدريب»، كما خضعت جميع مجموعات التقييم لإزالة التلوث مقابل بيانات التدريب. هذا وصف تقييم أكثر حرصًا مما تحمله معظم منشورات الإطلاق، ومع ذلك تظل الشركة هي التي تُقيّم عملها بنفسها على مجموعاتها المحتجزة الخاصة.

يُشتق رقم الكفاءة بعد ذلك، ولا يُقاس مباشرة. بالنسبة لكل تقييم من أربعة تقييمات محجوزة، قامت MAI بملاءمة قانون تحجيم لعدد البتات لكل بايت مقابل FLOPs التدريب عبر سلم نماذجها الداخلي، وضمّنت الأداء النهائي لـ MAI-Base-2 نفسه في عمليات الملاءمة بحيث تقع نقطة المطابقة داخل النطاق المُلاءَم بدلًا من أن تتجاوزه، وقدّرت مقدار الحوسبة التي سيحتاجها نموذج على سلمها لمطابقة DeepSeek-V4-Pro-Base. وبالمقارنة مع حوسبة التدريب الفعلية لذلك النموذج، تكون النتيجة أكثر كفاءة في FLOPs بمقدار 4.2–12.3 ضعفًا؛ وبالمقارنة مع MAI-Base-1، الذي طُرح في يونيو، يبلغ التحسن 6.3–12.7 ضعفًا. إن «4–12x» الواردة في العنوان هي ذلك النطاق الأول، بعد التقريب.

هناك ثلاثة أمور تستحق التمسّك بها بشأن هذا:

• إنه تقدير مستخلص من منحنى مُلاءَم، وليس نموذجين دُرِّبا في ظروف مُتحكَّم فيها. المنشور صريح بشأن ذلك، بما في ذلك التفصيل القائل بأن النموذج المرجعي "لا يزال يُدرَّب على عدد أقل بكثير من FLOPs مقارنةً بـ MAI-Base-2."

• مجموعة المقارنة ضيقة بحكم القاعدة. لم تكن مؤهلة سوى النماذج التي لديها ما لا يقل عن تريليون معلمة إجمالية، ونقاط التحقق الرائدة المتاحة قبل أكتوبر 2026 فقط. DeepSeek-V4-Pro-Base هي نقطة التحقق الوحيدة المنشورة للتدريب المسبق الأساسي التي استوفت الشروط.

• ثلاثة من الأسماء التي تتم المقارنة بها موجودة فقط كنقاط تفتيش مُدرَّبة تدريبًا لاحقًا. Kimi K3، وQwen3.8-2.4T-A95B وMiMo-V2.6-Pro-RL يُذكَرون مع تحذير صريح من المورّد بأن التدريب اللاحق ربما أثّر في التقييمات. إن مقارنة نقطة تفتيش أساسية جديدة بنماذج مُدرَّبة تدريبًا لاحقًا على مقياس التنبؤ بالرمز التالي ليست منافسة متكافئة، ومايكروسوفت تقول ذلك بدلًا من أن تدع الرسم البياني يوحي بغير ذلك.

لا شيء من ذلك يجعل الادعاء خاطئًا. إنه يجعله ادعاءً — من النوع الذي ينبغي للقارئ أن يتعامل معه كتوجيه إلى أن يعيد أحدهم إنتاجه.

رقم الحوسبة الذي أغفلته مايكروسوفت

يوفّر المنشور كل ما يلزم لحساب عملية تدريب MAI-Base-2، ثم لا يحسبها. كانت العملية 16,000 من وحدات معالجة رسومات GB200 على مدى 38 يومًا في أغسطس وسبتمبر 2026، بمتوسط استغلال لعمليات FLOPs للنموذج قدره 21%، مع تطبيع الاستغلال مقابل 2.5 PFLOPS النظرية لـ GB200 في BF16.

احسب ناتج ضرب هذه الأرقام — 16,000 مسرّع بمعدل 2.5 × 10¹⁵ FLOPs في الثانية، مضروبة في 38 يومًا، مضروبة في 0.21 — فسيعني التشغيل نحو 2.8 × 10²⁵ FLOPs من حوسبة التدريب. هذا الرقم هو نتاج حساباتنا انطلاقًا من المدخلات الواردة في المنشور نفسه، وليس رقمًا نشرته مايكروسوفت. وهو حد أدنى، لأن تعريف المنشور نفسه لـ MFU يستبعد عمليات FLOPs المستهلكة في إعادة الحساب المادي وعلى المُحسِّن. وهو يقع أعلى بكثير من عتبة 10²⁵ FLOPs التي يستخدمها قانون الذكاء الاصطناعي للاتحاد الأوروبي كقرينة على مخاطر نظامية لنموذج ذكاء اصطناعي للأغراض العامة: نحو ضعفين إلى ثلاثة أمثال ذلك الحد، من عملية تدريب مسبق واحدة.

لأكون واضحًا بشأن ما يعنيه ذلك وما لا يعنيه: لا يترتب أي التزام على نموذج لا يستطيع أحد الوصول إليه. تكمن الأهمية في أن إجمالي الحوسبة هو الرقم الوحيد في المنشور الذي يُعد مسألة حسابية من مدخلات منشورة بدلًا من كونه تقديرًا مُعدَّلًا، وعندما يُطرح النموذج الذي يرث هذه القاعدة في النهاية — عبر منتجات مايكروسوفت الخاصة أو إلى شركاء Foundry — سيكون هذا هو الرقم الذي ستنطلق منه الجهات التنظيمية.

ما الذي يوجد فعليًا داخل النموذج؟

إذا جرّدنا النص من حجة الكفاءة، يبقى سرد مفصّل إلى حد ما لثلاث مشكلات هندسية، وهو الجزء ذو القيمة الدائمة بغض النظر عمن يفوز في اختبار أداء.

• Scale — نموذج أساسي بتقنية MoE يضم 80 مليار معامل نشط و2.8 تريليون معامل إجمالي، وهو أكبر حجماً وأكثر تناثراً من MAI-Base-1.

• مزيج الخبراء في كل طبقة — بادل MAI-Base-1 بين كتل التغذية الأمامية الكثيفة وكتل MoE لأن تنفيذها لـ MoE لم يكن سريعًا بما يكفي لتبرير المزيد. أدى إصلاح تجزؤ ذاكرة التوجيه الديناميكي والعبء الإضافي لكل خبير، بالإضافة إلى تجميع الحسابات والاتصالات لكل مجموعة خبراء، إلى رفع معدل MFU لطبقة MoE من 24% إلى 35%، وهو ما جعل مزيج الخبراء في كل طبقة الخيار الأمثل من حيث الوقت.

• MoE بدون إسقاط وبذاكرة ثابتة — فبدلاً من إسقاط الرموز الفائضة أو الإفراط في التخصيص لأسوأ حالة، تجمّع MAI الخبراء وتشغّل جولات إضافية من الإرسال-الحساب-التجميع للفائض، مستعيرةً سعة غير مستخدمة من خبراء آخرين في المجموعة نفسها. استخدام الذاكرة ثابت تحت أي اختلال تعسفي في التوجيه؛ وحجة المنشور ضد إسقاط الرموز هي أنه يضر بالجودة بشكل قابل للقياس.

• Muon على نطاق واسع — يتم إعادة تقسيم المُحسِّن، وتحويله إلى BF16، وتبادله بشكل الكل بالكل، وجعله متعامدًا محليًا، ثم إعادته. بعد التحسين، استحوذ على 2.1% من متوسط تكرار التدريب، أو 165 مللي ثانية، مقابل ذروة نظرية تبلغ 55 مللي ثانية يقول المنشور إن الاتصالات تشكل عنق الزجاجة فيها. تم اعتماد Muon بدلاً من AdamW لديناميكيات أكثر استقرارًا.

• قصّ تدرّج التنشيط — القص عند تنشيطات مختارة بدلًا من تطبيع الدفعة العالمي، مما أبقى معايير التدرج في نطاق أضيق بكثير من نطاق MAI-Base-1، ونمت الفائدة مع زيادة الحجم. كما تبيّن أنه أداة تشخيصية لجودة البيانات: مثال تدريبي مشوّه بترويسة رخصة مقطوعة في منتصف الجملة، جرى تتبعه عبر طلب سحب لبيانات الكود، كشف عن خلل في المعالجة المسبقة تم إصلاحه منذ ذلك الحين.

• البيانات — مجموعة نصوص أكبر بنحو 36% من MAI-Base-1 من حيث الرموز التدريبية الفريدة، تُغذّي خليطًا من 50 تريليون رمز، مع حدّ معرفة حتى مارس 2026. وتقول الشركة إن خط المعالجة بيانات طبيعية دون تقطير من نماذج أخرى، ويُعالَج داخليًا، وإن زاحفها المملوك يحترم robots.txt ويستبعد المصادر المدرجة في قائمة USTR Notorious Markets.

• الرؤية منذ البداية — على عكس MAI-Base-1، هذا النموذج مُدرَّب مسبقًا أصليًا مع الرؤية عبر معمارية بلا مُرمِّز. تضم مجموعة بيانات الرؤية واللغة 4.5 تريليون رمز فريد، وشكّلت 18% من خليط الـ50 تريليون رمز، وتشمل وصف الصور، وفهم المخططات، والربط البصري، والاستدلال المكاني، والفهم الطبي، واستخدام الحاسوب، وقراءة النوتة الموسيقية.

ثمة أيضًا قوانين التوسع الخاصة بالمعلمات الفائقة، المنشورة بصيغة مغلقة: معدل التعلم الأمثل مضروبًا في اضمحلال الوزن يساوي 17.04 مقسومًا على عدد خطوات التدريب، ويتبع معدل التعلم الأمثل دالة لوغاريتمية خطية لعدد الرموز لكل معلمة نشطة وعدد الخطوات، والـ dropout دالة سينية للوغاريتم المعلمات النشطة. إن نشر تلك القوانين هو الشيء الأكثر قابلية لإعادة الاستخدام على الإطلاق في المقال — سلّم توسع تُسمى درجاته بعدد الطبقات وحده، حيث يكون الحجم المخفي ثابتًا عند 256/3 مضروبًا في عدد الطبقات، وتساوي رؤوس الاستعلام عدد الطبقات مقرّبًا إلى أقرب مضاعف للعدد 16، وهو وصفة يمكن لمختبرات أخرى اختبارها.

لماذا لا تُعدّ نقطة التحقق الأساسية منتجًا، وما الذي يحدث بعد ذلك

«MAI-Thinking-1»، النموذج الاستدلالي الذي أطلقته مايكروسوفت في وقت سابق من هذا العام، خضع لتدريب لاحق فوق «MAI-Base-1». ويقول المنشور إن «MAI-Base-2» أصبح الآن "الأساس لجيلنا التالي من النماذج"، ما يعني أن النموذج الذي سيتمكن الناس فعليًا من استخدامه ليس «MAI-Base-2» — بل هو أي نموذج تُدرّبه مايكروسوفت لاحقًا فوقه، ولم يُعلن ذلك الاسم بعد.

قناة التوزيع محسومة أيضًا، وهي ليست أوزانًا مفتوحة. الخطة المعلنة هي ترخيص الأوزان "لشركاء موثوقين عبر Foundry"، وهو ما يصف مسار شراء مؤسسي بدلًا من التنزيل. لا شيء في المنشور يَعِد بأوزان عامة، والتركيز على مصدر البيانات وغياب التقطير يُقرآن كتمهيد لهذا النوع بالتحديد من العرض المرخّص.

ثم هناك MAI-Base-3. الجملة الوحيدة في المنشور عنه هي أن "التحضيرات لـ MAI-Base-3 جارية بالفعل." لا معلمات، ولا حوسبة، ولا بيانات، ولا تواريخ — إشارة خارطة طريق أكثر منها معلومة. ما يثبته هو الإيقاع: صدر MAI-Base-1 في يونيو، وأُبلغ عن اكتمال التدريب المسبق لخلفه في منتصف أكتوبر، والدورة التالية قيد التحضير بالفعل. جيل من النماذج الأساسية كل أربعة أشهر تقريباً، بهذا الحجم، هو الادعاء الأكثر أثراً في المنشور من أي صف معياري منفرد.

ما الذي يمكنك تسميته اليوم

لا شيء في قصة MAI-Base-2 قابل للاستدعاء، ويجدر القول بوضوح إن أيًّا من نماذج MAI لدى مايكروسوفت ليس في كتالوج OrcaRouter اليوم — فنحن لا نستضيفها، ونقطة التحقق الأساسية ليست نموذجًا مُخدَّمًا في أي حال. وما يمنحك إياه المنشور هو مجموعة مقارنة، ومعظم تلك المجموعة متاح للوصول إليه الآن. النموذج المرجعي في ادعاء مايكروسوفت بشأن الكفاءة، المُدرَّب لاحقًا DeepSeek V4 Pro، موجود في كتالوجنا، وكذلك Kimi K3 وQwen3.8-Max، وهما من النماذج مفتوحة الأوزان التي جرى قياس MAI-Base-2 مقابلها.

هذا يمنح الادعاء اختبارًا رخيصًا. واجهة API واحدة عبر أكثر من 200 نموذج تعني أن مقارنة ما يمكنك استدعاؤه فعليًا لا تتطلب عقدًا ثانيًا أو SDK ثانيًا، ولأن OrcaRouter يمرّر أسعار القوائم لدى المزوّدين دون أي هامش ربح بدلًا من إضافة هامش ربح عليها، فإن أي تغيير في السعر من أي من هؤلاء المزوّدين يصبح ساريًا لدينا في اليوم نفسه. إذا أردت تشغيل عبء عمل عبر الإصدارات المدرَّبة لاحقًا من هذه النماذج قبل أن تقرر ما إذا كنت ستنتظر ما ستطلقه Microsoft فوق MAI-Base-2، فتلك هي المقارنة التي لا يستطيع اختبار قياسي لنموذج أساسي أن يمنحك إياها — ويسمح لك DSL للتوجيه بنقل حركة المرور بينها عبر الإعدادات بدلًا من الكود عندما تتغير الإجابة.

ما الذي سيغيّر هذه القطعة؟

أربعة أمور، مرتبة حسب مدى أهميتها.

الأول هو نتائج ما بعد التدريب. كل ما ورد في منشور 15 أكتوبر يصف مُخرَجًا مُدرَّبًا مسبقًا؛ أما ما إذا كان النموذج الكامن خلفه جيدًا في اتباع التعليمات، أو استدعاء الأدوات، أو خوض محادثة طويلة، فهو سؤال منفصل لم يُطرح علنًا.

الثاني هو أي شكل من أشكال الوصول — إدراج على Foundry مع سعر، أو إعلان شريك، أو أوزان مرفقة بترخيص. عند هذه النقطة، يتوقف هذا عن كونه تقريرًا بحثيًا ويصبح قرار شراء.

الثالث هو القياس المستقل. إن قياس البتات لكل بايت على قاعدة الشيفرة الخاصة بالمورّد نفسه، مع مجموعات STEM والرياضيات التي كلّف المورّد بإعدادها، ليس شيئًا يمكن لمختبر خارجي التحقق منه اليوم. إن قيام طرف ثالث بإعادة إنتاج مقارنة قانون التوسّع مقابل DeepSeek-V4-Pro-Base من شأنه أن يحسم ادعاء الكفاءة؛ وإلى أن يحدث ذلك، فهو تقدير موثوق وموثّق جيدًا وذاتي الإبلاغ.

الرابع هو تفصيل MAI-Base-3. «الاستعدادات جارية» جملة، وليست مواصفة، والجيل الذي يلي الجيل القادم هو المرحلة التي إما أن تصمد فيها وتيرة الأربعة أشهر أو لا.

الملخص الدقيق المقتضب: أتمّت مايكروسوفت التدريب المسبق لأكبر نموذج داخلي طوّرته، ونشرت سردًا تقنيًا على نحو غير معتاد لكيفية ذلك، وادّعت تفوّقًا في الكفاءة على أفضل نقطة تحقق أساسية مفتوحة، وكشفت عن عملية تدريب بلغت نحو 2.8 × 10²⁵ من عمليات FLOPs بحساب لم تُجرِه بنفسها في المنشور، ولم تُطلق شيئًا يمكن لأي أحد استخدامه.

تشيخ المعايير وتتحرك الأسعار؛ أما سجل الإخفاقات فلا: تُجمع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.