微软AI业务CEO穆斯塔法·苏莱曼在员工大会上称，公司自研的预训练基础模型MAI-Base-2性能超过了目前驱动GPT-5.6 Sol的模型，且训练时使用的算力只有OpenAI的四分之一。该模型于当日早些时候正式发布，苏莱曼透露微软曾私下将MAI-Base-2与多款OpenAI模型进行比较，包括代号为Spud、支撑GPT-5.6运行的模型。在测试AI理解和预测信息规律的能力时，微软的模型取得了更好的成绩，比较依据是微软掌握的OpenAI模型技术资料。
苏莱曼表示，微软方面“私下以保密方式”将其与OpenAI的模型作了比较，暗示微软掌握着OpenAI模型性能方面的特殊信息。此外，他还称微软的新模型在计算效率方面具有优势，“以DeepSeek为例，我们所需的计算量只有它的十二分之一”，但未透露具体比较的DeepSeek模型版本。预训练是AI模型开发的第一步，模型需要通过海量文本、图像等数据学习其中的规律。由于预训练需要投入大量算力，成本高昂，如果微软能够提高训练效率，就有望大幅降低成本。
技术要点解读：算力效率的突破与验证挑战
MAI-Base-2的核心宣称在于以显著降低的算力消耗达到或超越领先模型的性能。苏莱曼提到的“仅用对方四分之一算力”指的是在预训练阶段的浮点运算次数（FLOPs）对比，这直接关系到训练成本和能源消耗。如果属实，这意味着微软在模型架构、训练策略或数据效率上实现了关键优化，例如通过更稀疏的激活、更高质量的数据过滤、或改进的并行训练方案。然而，苏莱曼也承认比较是在“保密方式”下进行的，且依赖于微软掌握的OpenAI模型技术资料，这引发外界对比较透明度和基准一致性的质疑。没有公开的、可复现的评测结果（如在标准基准如MMLU、GSM8K上的分数），该宣称难以被独立验证。此外，将模型效率与DeepSeek进行十二倍比较但未指定版本（如DeepSeek-V2还是V3），使得该参考缺乏上下文，难以判断其实际意义。
对行业/开发者的影响：效率竞赛加速与生态影响
如果微软的效率主张得到验证，将对AI行业产生深远影响。首先，它可能加速“算力效率”为核心竞争维度的转变，而不仅仅是追求原始模型规模或训练算力。这将鼓励更多企业投资于训练优化技术，如混合精度、梯度检查点、或专家混合（MoE）架构的创新应用。其次，对于开发者而言，更高效的预训练模型意味着更低的门槛来定制和微调行业特定模型，尤其对中小企业和研究机构更具吸引力。微软可能通过Azure云服务将MAI-Base-2作为基础模型提供，进一步巩固其在企业AI市场的地位。然而，这也可能加剧大模型领域的“黑箱化”倾向，如果关键训练细节不公开，开发者难以真正理解或改进这些模型，反而增加对供应商的依赖。
不确定性与风险：宣称验证与生态公平性
当前信息中存在若干不确定性。苏莱曼的宣称基于私下比较且未提供具体评测数据或方法论，这使得外界难以判断MAI-Base-2的实际性能提升是否如宣称般显著，或是否仅在特定、狭窄的测试集上成立。此外，他未澄清所用OpenAI模型的确切版本（如GPT-5.6 Sol是否为内部代号，对应何种公开或内部模型），这影响比较的公平性。从行业角度看，如果微软凭借效率优势进一步封闭其模型生态（例如仅通过Azure独家提供），可能加剧算力和技术的集中化趋势，不利于开放创新。最后，苏莱曼提到的与DeepSeek的十二倍效率比较缺乏关键上下文，若作为营销话术使用，可能误导外界对实际技术进步的判断。行业需要更多独立、开放的基准评测来验证此类效率主张，否则其技术价值难以获得广泛共识。