Microsoft usa 16 mil chips da Nvidia para treinar sua nova aposta em IA própria

RESUMO ＋

A Microsoft concluiu o pré-treinamento do MAI-Base-2, modelo com 2,8 trilhões de parâmetros, usando 16 mil GPUs Nvidia GB200 durante 38 dias. A empresa relata resultados superiores aos concorrentes de pesos abertos que avaliou em testes internos. O sistema ainda passa por ajustes posteriores ao treinamento inicial.

A Microsoft concluiu o pré-treinamento de um modelo próprio de IA com 2,8 trilhões de parâmetros, o MAI-Base-2, e divulgou os resultados nesta quinta-feira, 15. O trabalho mobilizou 16 mil processadores gráficos Nvidia GB200 durante 38 dias, entre agosto e setembro.

O avanço amplia uma estratégia que já alcança os aplicativos da companhia: desenvolver alternativas internas para executar tarefas que também podem ser atendidas por fornecedores como OpenAI e Anthropic.

Por que a Microsoft quer ter seus próprios modelos

A disputa envolve o custo de colocar IA na rotina de milhões de usuários. A Microsoft já começou a incorporar a família MAI a produtos como Excel, Outlook e GitHub Copilot, em um movimento para ampliar o controle sobre a tecnologia utilizada em suas aplicações.

Na apresentação de resultados de julho, o CEO Satya Nadella afirmou que o MAI-Code-1-Flash entregava qualidade comparável à do GPT-5.6 nas tarefas mais comuns do Excel, com custo significativamente menor. A comparação foi apresentada pela própria Microsoft.

Para Nadella, trabalhar com diferentes modelos também ajuda a manter os serviços em funcionamento quando é necessário trocar de fornecedor ou tecnologia. “Todo modelo é substituível”, afirmou na teleconferência com investidores.

A estratégia acompanha a concentração do Copilot no mercado corporativo. Nesse ambiente, a escolha de um modelo precisa considerar quanto custa executar uma tarefa, como ele se integra aos sistemas e se entrega qualidade suficiente para o trabalho.

O que significam os 2,8 trilhões de parâmetros

Parâmetros são valores internos ajustados durante o treinamento de uma IA. O MAI-Base-2 utiliza uma arquitetura de mistura de especialistas, conhecida pela sigla inglesa MoE, com 80 bilhões de parâmetros ativos.

Nesse tipo de arquitetura, partes do modelo são selecionadas para processar cada entrada. Isso permite ampliar a capacidade total sem mobilizar todos os parâmetros a cada etapa. A abordagem também aparece em modelos de outros laboratórios, como o Mistral Large 4.

O tamanho, sozinho, não estabelece qual IA é melhor. Arquitetura, dados e treinamento influenciam os resultados, e a avaliação precisa considerar a tarefa que o sistema deverá executar.

Segundo a Microsoft, o MAI-Base-2 superou os modelos de pesos abertos avaliados em testes internos de código, perguntas e respostas, ciências e matemática.

A parceria com a OpenAI continua

O desenvolvimento interno convive com o acesso à tecnologia da criadora do ChatGPT. No acordo atualizado em abril, a Microsoft manteve a licença de propriedade intelectual de modelos e produtos da OpenAI até 2032, agora em caráter não exclusivo.

A Microsoft também permanece como principal parceira de nuvem da OpenAI e acionista da companhia. O arranjo permite que as duas empresas mantenham a colaboração enquanto ampliam outras frentes de negócio.

O MAI-Base-2 ainda passa pelo pós-treinamento, etapa de ajustes posteriores à formação do modelo-base. A Microsoft pretende licenciar os pesos a parceiros de confiança pelo Foundry, sua plataforma para desenvolvimento e uso de IA.

---