--- title: "一个预训练指标不等于产品能力，何况这个模型现在根本无法调用。" url: https://wakenex.com/notes/a-pre-training-metric-is-not-product-capability-and-this/ language: zh-CN type: note section: "系统研究" published: 2026-10-18T10:44:13+07:00 author: "WAKENEX" id: "note:a-pre-training-metric-is-not-product-capability-and-this" x_post: https://x.com/AAwakened32198/status/2111664620754845833 alternate_language: https://wakenex.com/notes/a-pre-training-metric-is-not-product-capability-and-this/index.md license: "© WAKENEX。可引用与摘要，请注明出处并附原文链接。" cite_as: "WAKENEX. \"A pre-training metric is not product capability, and this model cannot even be called yet.\" wakenex.com, 2026-10-18. https://wakenex.com/notes/a-pre-training-metric-is-not-product-capability-and-this/" --- # 一个预训练指标不等于产品能力，何况这个模型现在根本无法调用。 **WAKENEX 概念：** [能力不能由结果单独证明](https://wakenex.com/concepts/results-dont-prove-capability/) ![深夜空旷的混凝土庭院，一个渺小的身影站在巨大裸墙脚下；一束低处的强光把他的影子投上整面墙，被放得极大。影子的声势远远盖过投下它的那个小小身影。由 AI 生成的概念图，不作为事实证明。](https://wakenex.com/assets/notes/a-pre-training-metric-is-not-product-capability-and-this/cover-1600.jpg?v=9c04c074b4) *AI 生成图像 · 概念示意，不作为事实证据* 微软 AI 在 10 月 15 日宣布 MAI-Base-2 完成预训练，其负责人 Mustafa Suleyman 在内部全员会上说，它用大约四分之一的算力就超过了 GPT-5.6 Sol 背后的基座模型。头条自己就写好了：微软用一小部分成本造出了比 OpenAI 更好的模型。在你据此给谁排名之前，先看清楚到底测的是什么。 微软公布的是一个预训练结果。MAI-Base-2 是一个 2.8 万亿参数的混合专家模型（激活 800 亿），在 16000 块 GB200 上用 38 天、50 万亿 token 的混合语料训练。它的说法是：在四项留出评测上，FLOPs 效率是 DeepSeek-V4-Pro-Base 的 4 到 12 倍；压缩分数为代码 0.215 bits-per-byte、问答 0.41。这些是实打实的工程数字，但也是用错了类别的数字。 bits-per-byte 衡量模型把文本压缩得多紧；FLOPs 效率衡量每单位训练算力换来多少东西。两者都不是任务得分，也都不是产品。基座模型是后训练之前的原始引擎——把「预测下一个 token」变成可用产品，靠的是后面的微调与对齐，而强预训练常常在这一步被削弱。而所谓超过 OpenAI，来自只有微软自己能跑的私有留出损失测试，OpenAI 并未确认。没有 API、没有价格、没有发布日期，也没有公开基准。 值得盯的机制是：谁掌握记分牌。如果一个预训练效率数字被当作能力主张接受，「谁在 AI 领先」就会由只有厂商能测的私有留出损失来决定。这会削弱外部监督，奖励掌握评测的人——这个二阶效应，比任何单个模型都更重要。 反方最强的理由：一个强的基座模型，在完成后训练后通常确实预示一个强的产品；而通过 Foundry 把权重授权给合作伙伴，是一条具体的交付路径，不是空谈。如果预训练的领先能延续到任务表现，企业合作方确实可能拿到真实的优势。但这种情况要在数月之后、等模型真正发布并被独立评测后才成立，而不是在一次全员会发言的当天就成立。 如果你在给各家实验室排名、以指导自己选哪个模型，这是一个该暂缓、而不是该下判断的理由。台架上的引擎也许很出色，但你还开不了它。 bits-per-byte 衡量压缩，FLOPs 效率衡量训练成本，两者都不是产品。 证伪：若某个已发布、完成后训练的 MAI 模型在独立任务基准（而非损失或 bits-per-byte）上达到或超过 GPT-5.6 Sol，我们就改判。 ## 来源与说明 - [原始来源：microsoft.ai/news/frontier-pre-training-at-microsoft-ai](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/) --- 引用格式：WAKENEX. "A pre-training metric is not product capability, and this model cannot even be called yet." wakenex.com, 2026-10-18. https://wakenex.com/notes/a-pre-training-metric-is-not-product-capability-and-this/ 网页版：https://wakenex.com/notes/a-pre-training-metric-is-not-product-capability-and-this/