AnswersPublished14 sources
Huawei Buka Kod Latihan openPangu-2.0 untuk Ekosistem Ascend
Pada 28 September 2026, Huawei mengumumkan kod berasaskan Ascend untuk pralatihan, penalaan halus terselia (SFT) dan pembelajaran pengukuhan (RL) selepas latihan bagi openPangu 2.0. Sebelum ini, keluaran Pro dan Flash menyediakan pemberat model dan kod inferens; projek baharu pula menyasarkan proses melatih dan meny...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Pada 28 September 2026, Huawei mengumumkan kod berasaskan Ascend untuk pralatihan, penalaan halus terselia (SFT) dan pembelajaran pengukuhan (RL) selepas latihan bagi openPangu 2.0.
- Sebelum ini, keluaran Pro dan Flash menyediakan pemberat model dan kod inferens; projek baharu pula menyasarkan proses melatih dan menyesuaikan model.
- Model Pro mempunyai kira kira 505 bilion parameter keseluruhan dan 18 bilion parameter aktif bagi setiap token; Flash masing masing sekitar 92 bilion dan 6 bilion.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Huawei open-source for openPangu-2.0 on September 28, 2026, and how does the new Ascend-native pretraining, supervised fine-tuning. Article summary: On September 28, 2026, Huawei open-sourced **Ascend-native code for openPangu-2.0 pretraining, supervised fine-tuning (SFT), and post-training reinforcement learning (RL)**. That is a training-stack release: the earlier . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Huawei mengumumkan pada 28 September 2026 bahawa kod pralatihan, penalaan halus terselia (SFT) dan pembelajaran pengukuhan (RL) selepas latihan untuk keluarga model openPangu-2.0 kini dibuka kepada umum. Kod ini direka untuk ekosistem latihan Huawei Ascend. 1
Perbezaan utamanya ialah bahagian kitaran pembangunan yang boleh diusahakan pembangun. Keluaran Pro dan Flash sebelum ini memberikan pemberat model serta kod inferens untuk menjalankan model yang telah dilatih. Projek baharu pula menyediakan kod bagi proses melatih dan menyesuaikan model. 1
2
27
Apa yang dibuka Huawei
Projek openPangu-2.0-Training menyokong pralatihan dan SFT, manakala openPangu-2.0-RL memfokuskan RL selepas latihan. Kedua-duanya dibangunkan untuk ekosistem latihan Ascend. 1
Jadi, ini ialah pelepasan kod latihan, bukannya sekadar satu lagi set titik semak model. Pengumuman itu menerangkan skop umum projek, tetapi tidak dengan sendirinya memperincikan sumber pengiraan, data atau konfigurasi yang diperlukan untuk mengulangi latihan asal. 1
Perbandingan model Pro dan Flash
Kad model yang diterbitkan menyifatkan kedua-dua versi sebagai model campuran pakar (MoE). Spesifikasi yang dilaporkan adalah seperti berikut: 19
27
| Model | Jumlah parameter | Parameter aktif bagi setiap token | Panjang konteks | Token pralatihan yang dilaporkan |
|---|---|---|---|---|
| openPangu-2.0-Pro | Kira-kira 505 bilion | Kira-kira 18 bilion | 512,000 token | Kira-kira 34 trilion |
| openPangu-2.0-Flash | Kira-kira 92 bilion | Kira-kira 6 bilion | 512,000 token | Kira-kira 34 trilion |
Angka token pralatihan itu ialah kira-kira 34 trilion bagi setiap model, bukan jumlah gabungan Pro dan Flash. 19
27
Kaedah selepas latihan yang diterangkan
Kad model Pro dan Flash menerangkan peringkat SFT yang menyatukan keupayaan “pemikiran perlahan” dan “pemikiran pantas”. Selepas itu, model melalui beberapa peringkat RL khusus, diikuti penyulingan dasar dalam talian (OPD). 19
27
Penerangan dalam kad model ini merujuk kepada pendekatan selepas latihan yang dilaporkan untuk model berkenaan. Ia berbeza daripada pengumuman September, yang membuka kod latihan dan RL untuk digunakan oleh pembangun. 19
27
1
Ciri seni bina yang disenaraikan
Kad model turut menyebut gabungan perhatian laten berbilang kepala (MLA) dengan lapisan perhatian DSA dan SWA dalam nisbah 1:2. Perhatian tetingkap gelongsor (SWA) mengendalikan konteks setempat, manakala lapisan DSA yang jarang digunakan mengumpulkan maklumat daripada konteks lebih jauh. 19
27
Antara ciri lain yang disenaraikan ialah seni bina mHC empat aliran, modul ramalan berbilang token (MTP) tiga kepala dan pengoptimum Muon. Ini ialah ciri reka bentuk yang dinyatakan dalam kad model, bukannya keupayaan baharu yang diumumkan bersama pelepasan kod September. 19
27
Apa maknanya untuk pembangun Ascend
Dengan pemberat dan kod inferens terdahulu, pembangun boleh menjalankan model Pro atau Flash yang telah diterbitkan. Projek baharu memperluas alat yang tersedia kepada pralatihan, SFT dan RL selepas latihan—membolehkan pembangun dalam ekosistem Ascend mengusahakan lebih banyak peringkat kitaran hayat model. 1
2
27
Namun, sumber yang tersedia hanya menerangkan fokus umum projek. Butiran bagi setiap aliran kerja yang disokong dan keperluan perkakasannya tidak dinyatakan sepenuhnya. 1
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Huawei Buka Kod Latihan openPangu-2.0 untuk Ekosistem Ascend"?
Pada 28 September 2026, Huawei mengumumkan kod berasaskan Ascend untuk pralatihan, penalaan halus terselia (SFT) dan pembelajaran pengukuhan (RL) selepas latihan bagi openPangu 2.0.
What are the key points to validate first?
Pada 28 September 2026, Huawei mengumumkan kod berasaskan Ascend untuk pralatihan, penalaan halus terselia (SFT) dan pembelajaran pengukuhan (RL) selepas latihan bagi openPangu 2.0. Sebelum ini, keluaran Pro dan Flash menyediakan pemberat model dan kod inferens; projek baharu pula menyasarkan proses melatih dan menyesuaikan model.
What should I do next in practice?
Model Pro mempunyai kira kira 505 bilion parameter keseluruhan dan 18 bilion parameter aktif bagi setiap token; Flash masing masing sekitar 92 bilion dan 6 bilion.