مایکروسافت از مدل پایهی ۲.۸ تریلیون پارامتری MAI-Base-2 پرده برداشت؛ رقیب تازه برای DeepSeek
مایکروسافت از یک مدل زبانی پایهی جدید با نام MAI-Base-2 رونمایی کرده؛ مدلی با معماری mixture-of-experts و مقیاسی که آن را در صدر بزرگترین مدلهای پایهی منتشرشده در سال جاری قرار میدهد. این خبر در ادامهی مسیر مایکروسافت برای ساختن مدلهای داخلی خودش است؛ مسیری که با MAI-1 و MAI-Voice-1 شروع شد و حالا با این مدل پایه به مرحلهی تازهای رسیده است.
مشخصات فنی MAI-Base-2
طبق اطلاعات منتشرشده، MAI-Base-2 یک مدل مخلوط-متخصص (mixture-of-experts) با ۲.۸ تریلیون پارامتر کل است که از این مقدار، تنها ۸۰ میلیارد پارامتر برای هر درخواست فعال میشود. این مدل روی حدود ۵۰ تریلیون توکن آموزش دیده؛ رقمی که آن را در کنار بزرگترین مدلهای پایهی صنعت، از جمله مدلهای خانوادهی DeepSeek و Qwen، قرار میدهد. نسبت پارامترهای فعال به کل پارامترها (۸۰ میلیارد از ۲.۸ تریلیون) نشان میدهد مایکروسافت هم مثل بقیهی رقبای بزرگ، روی معماریهای پراکنده (sparse) سرمایهگذاری کرده تا هزینهی استنتاج را در عین حفظ ظرفیت دانشی بالا، کنترل کند.
نکتهی برجستهی این اعلامیه، ادعای مایکروسافت دربارهی کارآمدی آموزش است. شرکت میگوید MAI-Base-2 در آزمونهای داخلی و خصوصی (private held-out tests) از هر مدل پایهی متنباز دیگری که تا امروز منتشر شده بهتر عمل کرده، و این کار را با مصرف محاسباتی کمتری نسبت به DeepSeek-V4-Pro-Base انجام داده است. مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، طبق گزارش Business Insider مدعی شده که این مدل پایه با حدود یکچهارم توان محاسباتی مصرفی یک مدل پایهی قابلمقایسه از اوپنایآی، به نتایج بهتری رسیده است؛ البته این ادعا هم بر اساس آزمونهای داخلی و خصوصی مایکروسافت مطرح شده و هنوز بهصورت مستقل تایید نشده است.
چرا «مدل پایه» با یک مدل نهایی فرق دارد
برای کسانی که با اصطلاحات فنی این حوزه آشنا نیستند، باید توضیح داد که یک «مدل پایه» (base model) هنوز از مراحل تنظیم دقیق دستوری (instruction tuning) و یادگیری تقویتی از بازخورد انسانی عبور نکرده است؛ یعنی MAI-Base-2 بهتنهایی محصولی نیست که کاربر عادی مستقیماً با آن چت کند. این مدل بیشتر یک «ستون فقرات» است که مایکروسافت احتمالاً روی آن مدلهای نهایی مصرفکننده یا محصولات Copilot را بنا خواهد کرد. به همین دلیل، مقایسهی این مدل با محصولات نهایی مثل ChatGPT یا Claude، مقایسهای دقیق نیست؛ باید آن را با مدلهای پایهی رقبا مثل DeepSeek-V4-Pro-Base مقایسه کرد، نه با نسخههای نهایی مصرفکننده.
دسترسی محدود: چرا فقط Foundry و نه متنباز
برخلاف برخی مدلهای پایهی بزرگ که بهصورت متنباز منتشر میشوند، مایکروسافت اعلام کرده MAI-Base-2 تنها از طریق پلتفرم Foundry و فقط برای شرکای منتخب و مورد اعتماد (trusted partners) در دسترس قرار میگیرد؛ نه بهعنوان وزنهای باز برای دانلود عمومی. این تصمیم میتواند چند دلیل داشته باشد: نخست، مایکروسافت ممکن است بخواهد کنترل بیشتری روی نحوهی استفاده از این مدل داشته باشد تا از سوءاستفادههای احتمالی یا رقابت مستقیم رقبا با استفاده از وزنهای خودش جلوگیری کند. دوم، از آنجا که این مدل یک مدل پایهی خام است (نه یک محصول نهایی ایمنسازیشده)، انتشار عمومی آن بدون لایههای ایمنی کافی ریسک بیشتری نسبت به انتشار یک مدل نهایی آموزشدیده با RLHF دارد.
نسبت پارامتر فعال، همان چیزی است که هزینه را تعیین میکند
برای درک بهتر اهمیت عدد ۸۰ میلیارد پارامتر فعال در برابر ۲.۸ تریلیون پارامتر کل، باید به این نکته توجه کرد که هزینهی واقعی اجرای یک مدل در عمل، نه با تعداد کل پارامترهای ذخیرهشده روی دیسک، بلکه با تعداد پارامترهایی که برای پاسخ به یک درخواست مشخص واقعاً «فعال» و در محاسبات شرکت داده میشوند، سنجیده میشود. به همین دلیل، مدلهایی با معماری mixture-of-experts میتوانند ظرفیت دانشی یک مدل بسیار بزرگ را داشته باشند، اما هزینهی اجرای یک مدل بسیار کوچکتر را بپردازند. نسبت ۸۰ به ۲۸۰۰ در MAI-Base-2 (یعنی حدود ۲.۸ درصد از کل پارامترها در هر درخواست فعال میشوند) رقمی نسبتاً کم است که، اگر ادعاهای کارآمدی مایکروسافت درست باشد، میتواند هزینهی هر استنتاج را بهشکل قابل توجهی پایین بیاورد.
زمینه و پسزمینه: مسیر مایکروسافت در ساخت مدلهای داخلی
مایکروسافت برای مدت طولانی عمدتاً به مدلهای اوپنایآی (از طریق سرمایهگذاری و همکاری نزدیک) و در کنار آن مدلهای شخص ثالث مثل DeepSeek در پلتفرم Foundry خودش تکیه کرده بود. اما از حدود یک سال پیش، تیم هوش مصنوعی مایکروسافت به رهبری مصطفی سلیمان (بنیانگذار سابق DeepMind و Inflection AI) شروع به ساخت خانوادهی مدلهای MAI کرد؛ ابتدا با MAI-Voice-1 برای پردازش صدا و سپس مدلهای استدلالی. MAI-Base-2 نشان میدهد این تیم حالا سراغ لایهی بنیادیتر، یعنی خود مدلهای پایه، رفته است؛ گامی که وابستگی بلندمدت مایکروسافت به تامینکنندگان بیرونی مدل را کاهش میدهد.
این استراتژی از نظر تجاری هم قابل توجیه است: اگر مایکروسافت بتواند مدلهای پایهی رقابتی خودش را بسازد، دیگر مجبور نیست برای هر محصول Copilot یا سرویس ابریاش بهطور کامل به مدلهای اوپنایآی یا دیگر تامینکنندگان وابسته باشد؛ وضعیتی که هم از نظر هزینه و هم از نظر استقلال استراتژیک برای یک شرکت در مقیاس مایکروسافت اهمیت زیادی دارد.
تحلیل: رقابت مدلهای پایه و معنای آن برای بازار
انتشار محدود MAI-Base-2، یعنی فقط از طریق Foundry و برای شرکای منتخب، آن را از رقابت مستقیم با مدلهای متنباز مثل DeepSeek یا Qwen که وزنهایشان آزادانه قابل دانلود است متمایز میکند. این یعنی تاثیر این مدل روی اکوسیستم توسعهدهندگان مستقل بسیار محدودتر از مدلهایی مثل Beam از Reflection AI یا مدلهای خانوادهی DeepSeek خواهد بود. در عوض، تاثیر اصلی MAI-Base-2 احتمالاً در داخل اکوسیستم محصولات مایکروسافت، از Copilot تا سرویسهای ابری Azure، دیده خواهد شد.
ادعای کارآمدی محاسباتی، اگر درست باشد، میتواند برای مایکروسافت به معنای صرفهجویی قابلتوجه در هزینههای آموزش مدلهای آینده باشد؛ موضوعی که با توجه به هزینههای سرسامآور آموزش مدلهای بزرگ در سالهای اخیر (و اخیراً هم ریزش ارزش سهام شرکتهای تراشه بهدلیل نگرانی از پایداری این سطح سرمایهگذاری)، برای همهی بازیگران بزرگ این صنعت موضوعی حیاتی محسوب میشود. اما تا زمانی که این ادعاها در آزمونهای مستقل و با دسترسی واقعی توسعهدهندگان بیرونی تایید نشود، باید آنها را با احتیاط و بهعنوان بخشی از روایت بازاریابی مایکروسافت در نظر گرفت، نه یک حقیقت اثباتشده.
موضوع دیگری که ارزش دنبال کردن دارد، واکنش احتمالی رقبا به این ادعاست. هر بار که یک شرکت بزرگ مدعی میشود مدلش با کسری از هزینهی رقیب به نتیجهی بهتری رسیده، معمولاً در هفتهها و ماههای بعد، تیمهای مستقل ارزیابی و حتی رقبای مستقیم شروع به آزمایش آن ادعا میکنند. اگر مایکروسافت در آینده دسترسی محدودتری هم برای پژوهشگران مستقل فراهم کند، احتمالاً در ماههای آینده شاهد تحلیلهای دقیقتری از صحت این ادعای کارآمدی محاسباتی خواهیم بود؛ تحلیلهایی که میتوانند تصویر واقعیتری از جایگاه MAI-Base-2 در میان مدلهای پایهی بزرگ جهان ارائه دهند.
منبع: AI Weekly