В четверг Microsoft анонсировала модель, о которой почти никто не написал. Пока лента обсуждала Gemini 4 Argon и Muse Wonder от Meta, на внутреннем таун-холле появился MAI-2: базовая модель на 2,8 триллиона параметров, обученная с нуля за 38 дней. По логике корпоративного рынка этот тихий релиз может оказаться важнее всех громких анонсов недели.

Что именно выпустила Microsoft

MAI-2, он же MAI Base 2, представил Мустафа Сулейман, глава AI-подразделения Microsoft. Архитектура mixture-of-experts: 2,8 триллиона параметров всего, около 80 миллиардов активных на каждый токен. По масштабу модель совпадает с Kimi K3, первой открытой моделью на 2,8 трлн параметров.

Ключевая деталь: это полностью свежий прогон предобучения, без дистилляции из чужих моделей. Дистилляция означает, что модель учат на ответах более сильного учителя, поэтому формулировка «с нуля» здесь принципиальна. Microsoft обучила базу на 16 000 ускорителей GB200 Blackwell, весь прогон занял 38 дней.

16 000 ускорителей, работавших 38 дней подряд, это один из крупнейших публично описанных прогонов предобучения. Технический отчёт Microsoft профильные инженеры уже называют необычно откровенным: компании такого уровня редко рассказывают, как именно учат базы на триллионы параметров.

Против открытых моделей свыше триллиона параметров, включая линейку Qwen, MAI-2 выиграла каждый бенчмарк предобучения, местами с большим отрывом. Эффективность обучения Microsoft оценивает более чем в 12 раз выше, чем у DeepSeek V4 Pro.

Оговорка для аккуратности: бенчмарки предобучения это внутренние метрики качества языковой модели до этапа постобучения. То, как база покажет себя в реальных задачах, станет ясно только после RL.

Есть и сравнение, которое публично не проверить. На таун-холле Сулейман сказал сотрудникам, что новая база сильнее той, на которой работает GPT-5.6 Soul, и что на неё ушло вчетверо меньше вычислений, чем OpenAI потратила на свою модель. Цифры для этого сравнения Microsoft взяла из закрытых материалов, доступных ей как инвестору OpenAI, так что это заявление стоит читать как заявление, а не как измеренный факт.

И ещё одно уточнение: MAI-2 это только база. Никакого RLHF, никакой настройки на диалоги. Модель пока не умеет быть ассистентом. Она умеет быть сырьём.

Почему базовая модель снова решает

Пользователи базовых моделей не видят. Из них делают всё остальное: диалоговые ассистенты, агентов, кастомные версии под конкретные задачи. Качество базы задаёт потолок для всего, что строится сверху, и никакое постобучение не вытянет слабое предобучение. Поэтому гонка за масштабом и эффективностью предобучения никуда не ушла, даже если все разговоры теперь про агентов.

Схема mixture-of-experts, на которой построена MAI-2, объясняет, как такие модели вообще существуют. На каждый токен работает только часть весов: сервер обязан вместить все 2,8 триллиона параметров, но вычисления проходят лишь через 80 миллиардов активных. Платишь памятью, экономишь на вычислениях. По этой же схеме построены Kimi K3, Muse Spark Open и вся линейка больших открытых моделей последних лет.

Второй слой истории это деньги. За этот год корпоративный рынок прошёл через две крайности. Сначала была эпоха token maxing: бюджет на токены не ограничивали и просили использовать больше. Потом наступил режим экономии, и компании начали ставить месячные лимиты на использование моделей. Причина простая: пропускать все задачи через самый умный фронтир и платить по прайсу подписки не сходится по стоимости, особенно в агентную эру, где каждый рабочий процесс превращается в поток токенов.

Отсюда разворот к тому, что в индустрии называют model omnivores. Компании хотят переключаться между моделями под задачу: фронтир для сложного, дешёвая дообученная модель для повторяемого. Сатья Наделла повторяет одну мысль: предприятия должны владеть интеллектуальным слоем, а не отдавать его целиком вендору.

Под это Microsoft и построила сначала семейство MAI-1, а потом схему frontier tuning: клиент арендует базу Microsoft и дообучает её на своих данных, не отправляя их в чужой API. Без фронтирной базы эта схема могла претендовать только на рутинные задачи. С MAI-2 появляется шанс на другое.

Самый запутанный путь к фронтиру

Microsoft шла к собственной модели сложнее всех больших игроков. Компания начинала с покупки, а не со строительства: $13 миллиардов в OpenAI с 2019 года до запуска ChatGPT, и на старте эта ставка выглядела пророческой. Ноябрь 2023 года всё перевернул. Сэма Альтмана уволили и вернули за пять дней, и в какой-то момент казалось, что вся команда OpenAI переедет работать в Microsoft. Для руководства это стало сигналом: зависимость от чужой лаборатории слишком рискованна для компании с такой капитализацией.

В марте 2024 года Microsoft наняла Мустафу Сулеймана, сооснователя DeepMind, на пост главы нового AI-подразделения. Следующий год прошёл без публичных результатов. В прессу попадали только сообщения о трениях, включая материал NYT, где Сулейман на видеозвонке кричал на сотрудника OpenAI, обвиняя компанию в сокрытии прорывов.

Даже с привилегированным доступом к моделям OpenAI Microsoft тяжело закрывала 2025 год: разрыв с фронтиром не сокращался, а обновления Copilot отставали от того, что показывали лучшие лаборатории.

Сдвиг начался только в этом году, с семейством MAI-1. По бенчмаркам те модели выглядели скромно, зато заработала бизнес-схема frontier tuning. Фактически MAI-1 были закуской, а главным блюдом планировался новый способ продавать корпоративный ИИ. MAI-2 закрывает недостающую половину уравнения: без базы фронтирного уровня продавать дообучение нечего.

Ставки выше, чем кажется со стороны. Если постобучение доведёт базу до уровня лучших моделей, у США станет шесть компаний на фронтире вместо двух, которые были там ещё недавно. Для покупателей это означает более дешёвый и разнообразный рынок.

Токен-бюджеты становятся кредитными линиями

Насколько дисциплина экономии стала массовой, видно по инструментам, которые появляются у вендоров. Cognition, компания за кодинг-агентом Devin, на этой же неделе показала динамические лимиты: система оценивает сессию, прикидывает, сколько часов на ту же работу ушло бы у человека, и ставит оценку эффективности использования токенов. Аккуратным пользователям лимиты автоматически поднимают. Сооснователь компании сравнил схему с кредитной картой: сначала небольшой лимит, потом он растёт по мере того, как вы доказываете, что с деньгами обращаетесь разумно.

Там же выкатили Devin Coach, тренера, который подсказывает, как тратить бюджет экономнее: замечает размытые формулировки задач, ловит ситуации, когда дорогую модель позвали ради рутины.

Реакция разработчиков была предсказуемой. «Программная инженерия превратилась в заводскую роль», «в этом есть что-то очень советское», а главный контраргумент сформулировали так: измерять «сколько часов потребовалось бы человеку» значит поощрять самое запутанное решение, а не самое ценное. Но даже критики признают: токен-бюджеты как кредитные линии это новая реальность. «Управление токенами станет самым важным навыком следующего десятилетия», написал один из основателей стартапа по итогам дискуссии.

У этой дисциплины есть неочевидный эффект: расход токенов превращается в измеримую метрику продуктивности. Там, где появляется метрика, появляются оптимизация под неё и споры о том, что она измеряет на самом деле. Microsoft в этой логике оказывается в удобной позиции: она продаёт и базу для дообучения, и дешёвые модели для повторяемых задач, то есть зарабатывает на обеих сторонах экономии.

Для Microsoft весь этот сюжет это топливо. Чем сильнее компании считают токены, тем выгоднее выглядит предложение арендовать базу и дообучать её под свои повторяемые задачи, вместо того чтобы гонять всё через чужой фронтир по прайсу за токен.

Соседи по неделе

MAI-2 не единственный тихий релиз. Meta на этой неделе вернулась во фронтирную гонку с Muse Wonder, а её открытая Muse Spark Open вообще выложена в свободный доступ: 816 миллиардов параметров, миллион токенов контекста, поддержка Apple MLX. Плюс китайские open-weight линейки GLM, Kimi и DeepSeek, которые уже обогнали американские открытые модели по ряду агентных бенчмарков.

Получается, у корпоративного покупателя впервые за долгое время появляется выбор из нескольких экосистем, а не дилемма между двумя подписками. Для разработчиков это значит, что стратегия «одна подписка на всё» перестаёт работать: выбор модели под задачу становится базовым навыком, как когда-то выбор языка программирования. Microsoft хочет оседлать этот сдвиг: ей выгодно, чтобы компании выбирали дообучение американской базы, а не развёртывание открытых весов из Китая на собственном железе. MAI-2 и frontier tuning это ответ и на вопрос о суверенитете данных, причём впервые с числами, которые вендоры такого масштаба обычно не публикуют.

Что дальше и на что смотреть

Хвалить MAI-2 пока рано. У Microsoft на руках база, а не продукт, и все заявления о превосходстве сделаны против чужих цифр, а не в открытом сравнении. Постобученная версия либо подтвердит ставку, либо покажет, что в предобучении решает не только масштаб. Смотреть стоит на три вещи: результаты после RL, цену доступа к базам для корпоративных клиентов и скорость, с которой frontier tuning доберётся до продуктов Microsoft.

Отдельно интересно, сработает ли ставка на «скучный» фронтир. Всю неделю внимание забирали эффектные демо Gemini 4 Argon и гонка за красивыми интерфейсами. MAI-2 в этом соревновании не участвует. Он продаёт другое: предсказуемый счёт за токены и контроль над данными. Если корпоративный рынок действительно устал от token maxing, скучный релиз окажется самым громким.

Часто задаваемые вопросы

Что такое MAI-2?

MAI-2 это базовая модель Microsoft на 2,8 триллиона параметров с архитектурой mixture-of-experts: около 80 миллиардов параметров активны на каждый токен. Она обучена с нуля на 16 000 ускорителей GB200 Blackwell за 38 дней, без дистилляции из других моделей. Microsoft называет её самой сильной предобученной базой в своей истории.

Чем базовая модель отличается от обычной?

Базовая модель прошла только предобучение на текстах и коде, без RLHF и настройки на диалог. Она не умеет вести беседу и отказываться от опасных запросов, зато служит сырьём для всего остального. Из одной базы можно получить и чат-ассистента, и кастомную модель под задачи конкретной компании.

Что такое frontier tuning?

Это бизнес-схема Microsoft: клиент арендует базовую модель компании и дообучает её на своих данных под свои повторяемые задачи. Компания сохраняет контроль над интеллектуальным слоем и не отправляет данные в чужой API. Ставка на то, что корпорации захотят собственные модели, а не подписку на чужую.

Итог

MAI-2 не выиграет конкурс красивых демо, и в этом его смысл. Ставка Microsoft на то, что следующая волна корпоративного ИИ будет не про самую умную модель, а про самый предсказуемый счёт. Если база оправдает заявленные числа после постобучения, тихий релиз четверга окажется громче всего, что шумело на этой неделе.

А чтобы понять экономический фундамент этой ставки, посмотрите наши разборы: как растут корпоративные расходы на ИИ и почему открытые модели обгоняют закрытые.