企业官网建设流程全解析

今天AI圈最大的新闻，微软公布了自研尖端模型MAI-Base-2。官方说法很猛：在多项核心基准上超过OpenAI的主流模型，训练和推理用的算力只要对手的四分之一。

先把事实摆出来，都是10月20日媒体报道里的。MAI-Base-2是个MoE混合专家模型，总参数2.8万亿，推理时实际激活800亿。训练用了1.6万块GB200，跑了38天，吃了50万亿token。微软自己的评测里，它在代码、问答、数理科学任务上超过了Kimi K3这类开放权重模型。预训练浮点运算量，比DeepSeek-V4-Pro-Base省4到12倍，比自家上一代MAI-Base-1省6到12倍。

限定词先说清楚：这些数字全是微软自称，第三方还没独立验证。看新闻先看信源，别把发布会PPT当论文读。

但方向是对的：大模型竞争的主战场，从"谁参数大"变成了"谁用得省"。2.8万亿参数听着吓人，实际干活的只有800亿，这就是MoE的精髓：养一群专家，每次只叫醒相关的几个。参数是面子，激活参数才是里子。

这事对我们做应用的人有三个直接影响。第一，推理成本还要降。激活参数少，跑一次便宜，Agent那种动不动调几十次模型的玩法，账单压力小多了。第二，长上下文和智能体任务会变多，便宜了才敢玩花的。第三，选型别再唯参数论，以后看"每token多少钱、每分性能多少钱"。

微软的战略意图也明显。从OpenAI的"好队友"到自研两代模型，6月出了MAI-Base-1，这次是Base-2，微软在摆脱单点依赖。模型自己训，推理自己跑，云上直接卖。OpenAI负责AGI故事，微软负责把账算平，分工越来越清楚。

同场还有几条值得记的消息。Anthropic被曝在开发新模型，主攻"理解模糊指令"：用户说不清楚要什么，模型自己推断意图。The Information的联合创始人猜测可能叫Fable 5.5，官方没确认。要是真成了，提示词工程得变天，以后不用反复打磨提示词了。英伟达用8192块GH200做了104量子比特的容错量子计算模拟，量子这条线英伟达也在下注。亚马逊开源了TorchNeuron，帮开发者把PyTorch代码从英伟达GPU迁到自家Trainium芯片，改一行配置就行，挖CUDA墙角的意思很明显。

还有一条有意思的：Accenture把员工的Claude补助降到每月29美元，之前有些重度用户一个月能烧掉上千美元。Meta也把用Claude Code的人数从6万砍到3万。大厂都在算AI的账，效率这件事，从模型厂商一路传导到用模型的企业，谁都躲不掉。

回到MAI-Base-2。模型还在后训练阶段，先整合进微软自家产品，后面通过Foundry市集对外提供。想上手玩的，等Foundry上架再说。

我的判断：效率路线会越走越宽。以后大新闻不再是"我们训了个更大的"，而是"我们用更少的算力做到了同样的事"。做RAG、做Agent的人，红利在后面。

收藏这篇，效率模型的选型逻辑以后会反复用得上，省得每次重新查。

下期AI话题见。关注我，模型圈的新进展第一时间给你拆明白。

讨论时间：你觉得"参数大"和"用得省"，哪个对实际做应用的人更重要？评论区站个队。

—— Cyrus