Microsoft AI schließt Vortraining von MAI-Base-2 ab, einem MoE-Modell mit 2,8 Billionen Parametern

80 Mrd. aktive Parameter, 38 Tage auf 16.000 GB200-GPUs trainiert; Nachtraining läuft, kein Starttermin.

80 Mrd. aktive Parameter, 38 Tage auf 16.000 GB200-GPUs trainiert; Nachtraining läuft, kein Starttermin.