MAI-Base-2、事前学習を完了：Microsoftの4～12倍の効率主張、ただしモデルはなし

10月15日に流れてきた数字は「3T」だった。MAI-Base-2は、Microsoft AIの新しい社内基盤モデルであり、その背後にあるモデルだ——そして同社自身の技術投稿によれば、総パラメータ数2.8兆、アクティブ800億だ。丸めの差はわずかで、より有益なのは同じ投稿に何が書かれ、何が書かれていないかである。MAI-Base-2は事前学習を終え、現在は事後学習中で、チェックポイントも価格もライセンスも日付も付いていない。見出しを飾る主張は、事前学習のFLOPs効率がDeepSeek-V4-Pro-Base——1兆パラメータを超える唯一の公開済みベース事前学習チェックポイント——の4〜12倍というものだ。この主張に関する事柄はすべてベンダーによる推定であり、その投稿はそれがどのように導かれたかについて異例なほど明示している。これが2026年10月16日時点で公開記録が裏付けている内容であり——そして、Microsoftが見出しには入れなかった2つの数字である。

マイクロソフトが実際に公開したもの、そして公開しなかったもの

一次情報源は、Microsoft AIの自社サイトに2026年10月15日付で掲載された「Microsoft AIにおけるフロンティア事前トレーニング」と題するLab Notesの投稿である。Mustafa Suleymanは同じ日の午後にそれを発表し、「MAIは今や、MAIで完全に内製で構築された、3Tパラメータ級の最先端の事前学習済みベースモデルを有している」と述べ、最後に「ポストトレーニングの結果は近日公開」と締めくくった。これがこの話の根拠のすべてであり、自社の仕事を自ら説明している企業の話にすぎない——以下の技術的主張はMAI以外の誰によっても再現されておらず、このモデルに関する独立した評価は公開記録に存在しない。

まだ存在していないのは、ほとんどの読者が求めている部分だ：

• 重み — なし。リポジトリなし、チェックポイントなし、量子化なし、いかなる種類のダウンロードもなし。

• 製品やAPI——何もない。エンドポイントも、料金ページも、モデルカードも存在しない。

• ライセンスについては——言及されていない。この投稿は、パイプラインを所有することで「Foundry を通じて信頼できるパートナーにモデルの重みをライセンス供与できるようになる」と述べているが、これは表明された意向であり、発表ではない。

• 日付 — ポストトレーニング結果についてはなし、Foundryの提供状況についてもなし、MAI-Base-3についてもなし。

• 誰でも再実行できるベンチマーク——皆無。評価の対象範囲は説明されているが、生のスコアは第三者{{1}}が再現できる{{/1}}形では公開されていない。

今日のMAI-Base-2を正確に言い表すなら、一言で「未完成」だ。事前学習——生のテキストと画像をベースモデルに変える、費用のかかる数か月に及ぶ段階——は終わっている。事後学習は、ベースモデルが人が会話できるものになる段階であり、その段階は今進行中だ。この区別が重要なのは、興味深い故障モードがまさにそこに潜んでいるからであり、またベースチェックポイントとチャットモデルは比較できる対象ではないからだ。

「FLOPs効率が4～12倍高い」とは実際には何を測定しているのか

これは至るところで繰り返されることになる主張なので、その形について正確に述べておく価値がある。なぜなら、これは一対一のベンチマーク実行ではないからだ。

投稿に示された定義はこうだ。Microsoft は、ホールドアウトされたテキスト上で事前学習済みモデルを bits-per-byte（バイトあたりビット数）というトークナイザー非依存の指標を用いて比較しており、値が低いほど良い。ホールドアウトされたコードは MAI 自身のコードベースから取られ、STEM、Math、Q&A の各セットは「学習セット汚染のリスクを減らすため」に外部ベンダーへ委託されたもので、すべての評価セットは学習データに対して除染処理が行われている。これは大半のローンチ記事が載せるよりも丁寧な評価の説明だが、それでも依然として、企業が自社のホールドアウトセット上で自らの成果を採点していることに変わりはない。

この効率の数値は、直接測定されたものではなく、導出されたものである。4つのホールドアウト評価それぞれについて、MAIは内部モデルラダー全体にわたり、訓練FLOPsに対するbits-per-byteのスケーリング則をフィッティングし、MAI-Base-2自身の最終性能もそのフィットに含めることで、一致点がフィット範囲の外ではなく内側に収まるようにし、ラダー上のモデルがDeepSeek-V4-Pro-Baseに匹敵するにはどれほどの計算量が必要かを見積もった。そのモデルの実際の訓練計算量と比較すると、答えはFLOPs効率が4.2～12.3倍高い。6月にリリースされたMAI-Base-1と比較すると、改善幅は6.3～12.7倍である。見出しの「4～12倍」は、その最初の範囲を四捨五入したものである。

これについて心に留めておく価値のある3つのことがあります：

• これは適合曲線からの推定であり、管理された条件下で学習された2つのモデルによるものではない。投稿はこの点について率直で、参照モデルが「依然としてMAI-Base-2よりも大幅に少ないFLOPsで学習されている」という詳細も含んでいる。

• 比較対象は規則により限定的である。総パラメータ数が少なくとも1兆以上であり、かつ2026年10月より前に利用可能なフロンティアチェックポイントのみが対象となった。DeepSeek-V4-Pro-Baseは、条件を満たした唯一の公開済みベース事前学習チェックポイントである。

• 比較対象に挙げられている名前のうち3つは、事後学習済みチェックポイントとしてしか存在しない。Kimi K3、Qwen3.8-2.4T-A95B、MiMo-V2.6-Pro-RLは、事後学習が評価に影響を与えた可能性があるというベンダーによる明示的な注意書き付きで報告されている。新たなベースチェックポイントを事後学習済みモデルと次トークン予測指標で比較するのは、同一条件での比較ではない。そしてMicrosoftは、チャートがそうでないかのように示唆するままにするのではなく、その点を明言している。

そうしたことは何一つ、その主張を誤りにはしない。それは主張を主張たらしめる——誰かが再現するまでは、読者が指針として扱うべき類のものにするだけだ。

マイクロソフトが伏せたコンピュート数値

この投稿は、MAI-Base-2のトレーニング実行を計算するために必要なすべてを示しながら、その後それを計算していない。その実行は、2026年8月と9月の38日間にわたる16,000台のGB200 GPUで、平均モデルFLOPs利用率21%であり、利用率はGB200のBF16における理論値2.5 PFLOPSに対して正規化されている。

これらを掛け合わせると——16,000基のアクセラレータが毎秒2.5 × 10¹⁵ FLOPsで、38日間、0.21倍——この実行はおよそ2.8 × 10²⁵ FLOPsの学習計算量を意味する。この数値は、投稿自体の入力値から我々が計算したものであり、Microsoftが公表した数値ではない。これは下限値である。なぜなら、投稿自身のMFUの定義では、リマテリアライゼーションとオプティマイザに費やされたFLOPsが除外されているからだ。そしてこれは、EU AI法が汎用AIモデルのシステミックリスクの推定に用いる10²⁵ FLOPsのしきい値をはるかに上回っている。単一の事前学習実行から、そのラインのおよそ2倍から3倍である。

それが何を意味し、何を意味しないのかを明確にしておくと、誰もアクセスできないモデルには、いかなる義務も生じない。これが重要なのは、計算量の合計が、この投稿の中で、適合推定ではなく公開された入力値から算術的に導ける唯一の数値だという点であり、この基盤を受け継ぐモデルが最終的に——Microsoft自身の製品を通じてであれ、Foundryパートナーを通じてであれ——出荷されるとき、規制当局がまず出発点とするのはこの数字だ。

モデルの内部には実際に何があるのか

効率性の議論を取り除けば、この投稿は3つのエンジニアリング上の問題についてのかなり詳細な説明であり、ベンチマークで誰が勝つかに関係なく永続的な価値を持つのはまさにその部分だ。

• Scale — アクティブパラメータ800億、総パラメータ2.8兆を備えたMoE基盤モデルであり、MAI-Base-1よりも大規模でスパース性が高い。

• すべての層におけるMixture of experts — MAI-Base-1は、そのMoE実装がこれ以上を正当化できるほど高速ではなかったため、密なフィードフォワードブロックとMoEブロックを交互に配置していました。動的ルーティングのメモリ断片化とエキスパートごとのオーバーヘッドを修正し、さらにエキスパートグループごとに計算と通信をグループ化したことで、MoE層のMFUは24%から35%に向上し、これがすべての層におけるMoEを時間最適な選択にしました。

• 固定メモリでのドロップレスMoE — オーバーフロートークンをドロップしたり、最悪ケースに備えて過剰に割り当てたりする代わりに、MAIはエキスパートをグループ化し、オーバーフローに対して追加のディスパッチ・コンピュート・コレクトのラウンドを実行し、同じグループ内の他のエキスパートから未使用の容量を借りる。任意のルーティング不均衡の下でもメモリ使用量は静的である。トークンのドロップに反対するこの記事の主張は、それが品質を測定可能なほど損なうというものである。

• 大規模環境でのMuon — オプティマイザは再シャーディングされ、BF16にキャストされ、オールツーオールで交換され、ローカルで直交化されて返される。最適化後、それは平均的な学習イテレーションの2.1%、つまり165 msを占めており、投稿によれば通信がボトルネックになっている理論上のピーク55 msに対するものだった。Muonは、より安定したダイナミクスを得るためにAdamWに代えて採用された。

• 活性化勾配クリッピング — グローバルバッチノルム上ではなく選択された活性化でクリッピングすること。これにより勾配ノルムは MAI-Base-1 のものよりもはるかに狭い帯域に保たれ、その利点は規模が大きくなるにつれて増大した。また、これはデータ品質の診断にもなった。文の途中で切れたライセンスヘッダーを含む不正な訓練例が、コードデータのプルリクエストを遡って追跡され、その後修正された前処理バグが明らかになった。

• データ — ユニークな学習トークンにおいてMAI-Base-1より約36%大きいコーパスで、50兆トークンの混合データを支え、2026年3月時点の知識カットオフを備える。同社によると、そのパイプラインは他モデルからの蒸留を含まないオーガニックデータであり、社内で処理されており、独自のクローラーはrobots.txtを遵守し、USTRの悪名高い市場リストに載る情報源を除外しているという。

• 最初から視覚を備えている — MAI-Base-1とは異なり、このモデルはエンコーダ不要のアーキテクチャを通じて、視覚をネイティブに組み込んで事前学習されています。視覚言語コーパスは4.5兆個のユニークトークンを保有し、50兆トークンの混合データのうち18%を占めており、画像キャプション、グラフ理解、視覚的グラウンディング、空間推論、医療理解、コンピューター操作、楽譜の読み取りに及びます。

ハイパーパラメータのスケーリング則も、閉じた形で公開されている。最適な学習率とweight decayの積は、17.04を訓練ステップ数で割った値であり、最適な学習率は、アクティブパラメータあたりのトークン数とステップ数の対数線形関数に従い、ドロップアウトはアクティブパラメータの対数のシグモイドである。それらを公開することは、この投稿で最も再利用可能な事柄だ——各段が層数だけで名付けられるスケーリングのはしごであり、隠れサイズが層数の256/3倍に固定され、クエリヘッドが層数を16の最も近い倍数に丸めた値に等しい——これは他のラボが検証できるレシピである。

なぜベースチェックポイントは製品ではないのか、そして次に何が起こるのか

MAI-Thinking-1は、マイクロソフトが今年初めに発表した推論モデルで、MAI-Base-1の上にポストトレーニングされた。その投稿によると、MAI-Base-2は現在「私たちの次世代モデルの基盤」であり、つまり人々が実際に利用できるようになるモデルはMAI-Base-2ではなく、マイクロソフトがその上にポストトレーニングする何かであり、その名前はまだ発表されていない。

配布チャネルもすでに決まっており、それはオープンウェイトではない。示されている計画は、重みを「信頼できるパートナーにFoundry経由で」ライセンス供与するというもので、これはダウンロードではなく企業向けの調達ルートを述べている。投稿のどこにも公開ウェイトを約束する記述はなく、データの来歴の重視と蒸留の不在は、まさにそうしたライセンス提供のための布石として読める。

次に、MAI-Base-3がある。投稿でこれについて触れている唯一の文は、「MAI-Base-3の準備はすでに進行中である」というものだ。パラメータも、計算資源も、データも、日付もない——情報というよりもロードマップのシグナルである。しかし、それが明らかにしているのはケイデンスだ。MAI-Base-1は6月にリリースされ、その後継の事前学習は10月中旬に完了したと報告され、次のサイクルはすでに準備が進んでいる。この規模でおよそ4か月ごとにベースモデルの世代を生み出すことこそ、投稿の中では、どの単一のベンチマークの行よりも重大な主張である。

今日電話できる相手

MAI-Base-2 の話の中に呼び出せるものは何もなく、はっきり言っておく価値があります。今日、Microsoft の MAI モデルはどれ一つとして OrcaRouter のカタログには載っていません。当社がそれらをホストしているわけではありませんし、いずれにせよベースチェックポイントは提供されるモデルではありません。この投稿が与えてくれるのは比較セットであり、そのセットの大半は今すぐ利用できます。Microsoft の効率性に関する主張における参照モデル、ポストトレーニング済みのDeepSeek V4 Proは当社のカタログに載っており、Kimi K3 とQwen3.8-Maxも同様です。この2つは、MAI-Base-2 が比較対象としたオープンウェイトモデルのうちの2つです。

それにより、その主張を安価に検証できます。 200以上のモデルに対応する単一APIとは、実際に呼び出せるものを比較するために2つ目の契約や2つ目のSDKを必要としないということであり、OrcaRouterがプロバイダーの定価を0%のマークアップでそのまま通し、マークアップを上乗せするのではなく、それらのベンダーのいずれかが価格を変更すれば当社側でも同日に反映されるからです。MAI-Base-2の上にMicrosoftが何を投入するのを待つべきかどうかを決める前に、これらのモデルのポストトレーニング済みバージョンにまたがってワークロードを実行したいなら、それはベースモデルのベンチマークでは得られない比較です — そして、答えが変わったときには、ルーティングDSLによってコードではなく設定でそれらの間のトラフィックを移動できます。

何がこのピースを変えるでしょうか？

重要な順に、4つのこと。

1つ目はポストトレーニングの結果です。10月15日の投稿に書かれていることはすべて、事前学習済みの成果物を説明しています。その背後にあるモデルが指示に従うこと、ツールを呼び出すこと、長い会話を続けることが得意かどうかは、公には問われていない別の問題です。

二つ目は、あらゆる形態のアクセスだ——価格が付いたFoundryのリスティング、パートナーによる発表、あるいはライセンスが付随した重み。その時点で、これは調査レポートではなくなり、調達の意思決定になる。

第三点は独立した測定である。ベンダー自身のコードベース上でのbits-per-byte、しかもベンダーが委託したSTEMおよび数学のデータセットを用いたものは、今日では外部のラボが検証できるものではない。第三者がDeepSeek-V4-Pro-Baseに対するスケーリング則の比較を再現すれば、その効率性の主張は決着するだろう。それまでは、信頼に足る、十分に文書化された、自己申告による推定値である。

第4はMAI-Base-3の詳細だ。「準備は進行中」は文であって仕様ではない。そして、4か月周期が維持されるかどうかを決めるのは、次の次の世代だ。

的を絞った正確な要約：マイクロソフトは自社最大のモデルの事前学習を完了し、その方法について異例なほど技術的な説明を公開し、最高のオープンなベースチェックポイントに対する効率上の優位性を主張し、その投稿では自ら計算しなかった算術によって約2.8 × 10²⁵ FLOPsの学習実行を開示し、そして誰もが使えるものは何も出荷していない。

ベンチマークは古び、価格は動くが、失敗の記録は動かない。このクラスのモデルの背後にある、記録に残されたAIインシデントとエージェントの失敗はOrcaRouter AI Incident Archiveに集められており、各エントリには独自の情報源、重大度、信頼度グレード、係争中フラグが付いている。