2026年10月15日，微软AI业务CEO穆斯塔法·苏莱曼在员工大会上抛出一个数字：公司自研基础模型MAI-Base-2，在预训练阶段的性能超过OpenAI代号为Spud的基座模型，而训练算力只有后者的四分之一。据DoNews报道，Spud是支撑GPT-5.6的模型。
这不是微软第一次宣称“以更少的算力做更多的事”。但这一次，它指向的是大模型军备赛里最敏感的那根神经——谁掌握基座模型，谁就掌握定价权。当一家公司开始用“四分之一算力”而不是“多少亿参数”来定义自己的模型时，它真正想说的是：这场军备赛的规则，该换一换了。
一场保密对比，把微软的野心摆到了台面上
根据DoNews对这场员工大会的报道，对比是在保密状态下完成的。测试聚焦于AI对信息规律的理解与预测能力，依据的是微软掌握的OpenAI技术资料。换句话说，微软不是在公开benchmark上赢了，而是在自己设计的考场里，用对手的教材出了一套题。
更锋利的数字还在后面。报道援引微软方面的说法称，MAI-Base-2的计算效率约为DeepSeek某型号的十二分之一。两个分数放在一起——四分之一算力对标OpenAI基座、十二分之一算力对标DeepSeek——微软想传递的信号很明确：大模型竞争的下半场，拼的不是谁堆的GPU多，而是谁的单位算力产出高。
需要提醒的是，这场员工大会上的对比目前无法被外部复现。Spud作为OpenAI内部开发代号，公开资料多将其与GPT-5.5对应，其与GPT-5.6的确切关系、被对比的DeepSeek具体型号，均未获得对方确认。这类“内部动员式”的对比，更像是一次战略喊话，而非可审计的技术报告。但这并不削弱它的信号价值：微软已经不再满足于做OpenAI最大的客户，它要成为基座模型牌桌上的另一个玩家。
好在，微软在官方技术博客里留下了部分可验证的脚印。根据微软AI官方博客《Frontier Pre-training at Microsoft AI》，MAI-Base-2训练于2026年8月至9月，历时38天，动用1.6万块GB200 GPU；训练期间平均模型算力利用率（MFU）为21%，有效训练时间占比（goodput）为89%。作为参照，上一代MAI-Base-1只用了8000块GB200 GPU。
效率叙事，正在取代规模叙事
把时间往回拨几个月，就能看到这条效率主线的伏笔。
2026年6月，微软在Build 2026大会上一口气发布七款自研MAI模型，涵盖推理、图像、语音、转录和代码。苏莱曼在演讲中给出过一组可比数据：经过调优的MAI模型在公开和私有基准上与GPT-5.4持平，成本却只有对方的十分之一；在麦肯锡的任务测试中，MAI击败了GPT-5.5，效率同样高出十倍。
技术底子是MAI-Base-1打下的。根据微软发布的MAI-Thinking-1技术报告，MAI-Base-1是一个350亿活跃参数、总参数约1万亿的稀疏混合专家模型，从零开始预训练，运行在微软自有的8000块GB200 GPU集群上。注意这个数字——8000块。而据《The Information》等媒体报道，Meta、Google和xAI尖端模型的训练集群规模大约是微软的6到10倍。
这就是微软效率故事的技术内核：它不跟对手比集群大小，它比“hill-climbing”——微软自己造的训练飞轮。从MAI-Base-1到MAI-Base-2，微软赌的是同一件事：用更干净的训练数据、更高效的训练系统和更聪明的评估闭环，把每一块GPU的产出榨干。
这套逻辑有它的现实合理性。当行业普遍认为未来几年训练算力还要再增长三个数量级时，单纯靠“买更多GPU”已经买不出护城河——大家都买得到H100、GB200，真正稀缺的是让这么多卡协同工作的系统工程能力。
官方数据：FLOPs效率是DeepSeek-V4-Pro-Base的4.2到12.3倍
员工大会上的“十二分之一”，在官方博客里找到了对应的锚点。微软以DeepSeek-V4-Pro-Base作为参照——它是当时唯一公开的、参数超过一万亿的基座预训练检查点。微软的方法是：在四项独立评估上分别拟合“训练算力—性能”的缩放定律，推算出MAI-Base-2要达到同等性能需要多少算力，再与DeepSeek-V4-Pro-Base的实际训练算力对比。
结论是：微软的训练配方（recipe）比DeepSeek-V4-Pro-Base的FLOPs效率高4.2到12.3倍。同时，相比今年6月发布的MAI-Base-1，MAI-Base-2的FLOPs效率提升了6.3到12.7倍。报道中“约为DeepSeek某型号的十二分之一”，对应的正是这个效率区间的上限。
这套对比比员工大会上的说法更扎实，因为它至少公开了参照对象和推算方法。但它依然是“配方效率”对比，而非最终模型能力的正面较量。微软自己也承认，直接比较模型会把“训练配方质量”和“模型规模、训练算力差异”混为一谈，所以才用缩放定律把配方单独剥离出来。这是一种聪明的做法，也是一种取巧的做法——它证明的是“微软的训练方法更省算力”，而不是“MAI-Base-2比DeepSeek-V4-Pro-Base更强”。
自给自足，首先是成本账，其次是权力账
苏莱曼为什么要在这个时候把MAI-Base-2摆出来？答案藏在两本账里。
第一本是成本账。2026年3月，微软重组AI组织架构，苏莱曼在发给员工的邮件里说得很直白：他要全力投入“超级智能”项目，为微软交付世界级模型，同时带来“服务AI负载所必需的COGS效率”。COGS，即销售成本。当Copilot、Bing、Office里的AI调用量以亿次计，每一次推理的成本差都会被放大成天文数字。用自家模型替换部分OpenAI调用，省下的不是零钱，是利润率。
第二本是权力账。微软累计向OpenAI投资超过130亿美元，持有后者近27%的股权。这层关系既是资产，也是软肋。2025年10月双方合作关系重构后，苏莱曼对英国《金融时报》说：“我在微软的个人使命是构建超级智能”，并明确表示微软要追求“真正的AI自给自足”。这句话的潜台词是：微软不能把最核心的基座能力，永远押在一家自己无法完全控制的公司身上。
所以自研不是为了“取代”OpenAI——那既不现实也不划算。自研是为了在谈判桌上有第二套方案，为了让OpenAI知道微软随时可以把自己产品里的GPT调用换成MAI。这是一种典型的“备胎威慑”：备胎最好永远不用，但必须有。
保密对比的双刃剑：动员有效，说服不足
回到MAI-Base-2本身，它面临一个绕不开的质疑：你怎么证明你赢了？
员工大会对比的三个关键要素——Spud代号与GPT-5.6的对应、测试所依据的OpenAI技术资料、被对比的DeepSeek具体型号——全部掌握在微软自己手里。外部研究者无法复现，竞争对手无法审计，投资者也无法独立验证。在AI行业，无法复现的性能宣称，说服力天然打折扣。
但这恰恰反映了当前大模型竞争的一个结构性困境：最前沿的能力对比，越来越变成各家的“黑箱对黑箱”。OpenAI不公开GPT-5.6的完整系统卡细节，微软也只公开MAI-Base-2的部分训练指标，双方都在用对自己最有利的尺子量对方。最终，市场只能在这些互相矛盾的宣称之间，用产品体验和财务报表来投票。
从这个角度看，MAI-Base-2真正的考验不在员工大会，而在它走出微软围墙之后。它会不会接入Azure AI Foundry对外开放？会不会在公开基准上留下可审计的成绩？会不会被集成进Copilot承担真实负载？这些问题，比“四分之一算力”这个数字更重要。
谁在赢，谁在危险
短期看，效率竞赛对微软有利。它手握Azure的算力采购规模、Office的产品场景、以及苏莱曼从DeepMind带过来的模型科学团队，这三样东西凑在一起，足以让它在“单位算力产出”这条赛道上持续讲故事。
中期看，危险的是OpenAI的议价权。一旦微软证明自家模型在关键产品里“够用且更便宜”，OpenAI在续约谈判里的筹码就会松动。但别指望微软真的“脱钩”——27%的股权和十几年的产品集成，让两家公司更像一对吵不散的夫妻，而不是随时能分手的恋人。
长期看，基座模型的终极竞争仍是生态。算力效率可以帮你追上，但开发者习惯、企业工作流、以及“默认选择”的心智，才是护城河。MAI-Base-2证明了微软有追上的能力，但还没证明它有定义规则的能力。
接下来值得盯住两个信号：一是微软是否会把MAI-Base-2推向Azure Foundry，让它接受开发者的真实检验；二是下一轮公开benchmark里，MAI家族会不会出现在第一梯队。如果这两件事同时发生，那么2026年10月15日的这场员工大会，才会被事后定义为微软AI独立的真正起点。
在此之前，“四分之一算力对标OpenAI基座”更像是一句漂亮的战报。战报可以鼓舞士气，但改变不了一个基本事实：这场军备赛的胜负，从来不是由一场保密对比决定的。
快报