DeepSeek’in Ascend yazılım paketi ne vadediyor?

DeepSeek, 30 Eylül 2026’da Huawei’nin Ascend platformu için çekirdek programlama, hesaplama, dikkat mekanizması, veri seçimi ve dağıtık iletişim alanlarını kapsayan altı bileşenin sürümlerini yayımladı. Bu yazılımlar, Huawei donanımında yapay zekâ iş yüklerini çalıştırmak için yapı taşları sunuyor. Ancak eldeki bilgiler, NVIDIA ile eş koşullarda yapılmış bir performans karşılaştırması ortaya koymuyor; DeepSeek’in V4’ü Ascend üzerinde büyük ölçekte eğittiğini de doğrulamıyor. 25

DeepSeek neleri yayımladı?

Yeni bileşenler, DeepSeek’in NVIDIA odaklı yazılımındaki araçlarla benzer rolleri üstleniyor. Ascend sürümleri ise gerektiğinde Huawei platformuna özgü uygulama ve optimizasyonlar kullanıyor. 25

• TileLang, çekirdek (kernel) yazmak ve derlemek için kullanılan üst düzey programlama aracı. Ascend desteği, Huawei donanımında çekirdek geliştirmeyi mümkün kılıyor; ancak Ascend ve NVIDIA sürümlerinin iç yapılarının aynı olduğu anlamına gelmiyor. 25
• DeepGEMM, matris çarpımı için bir kütüphane. Ascend sürümü, DeepGEMM API’siyle uyumlu; BF16, FP8 ve FP4 işlemlerinin yanı sıra MQA logits ve MegaMoE’yi destekliyor. Proje, seyrek veri yükleme ve coroutine tabanlı işlem hattı gibi Ascend’e özel optimizasyonlar kullandığını belirtiyor. 17
• TileKernels genel amaçlı çekirdekler sağlıyor. FlashMLA, Ascend 950 için seyrek dikkat mekanizmasının ön işleme ve kod çözme çekirdeklerini içeriyor. DeepSelect ise veri seçimi ve filtreleme işlevini üstleniyor. 91444
• DeepEP, uzman-paralel (expert-parallel) dağıtım ve birleştirme işlemleri dâhil olmak üzere dağıtık iletişimi yönetiyor. Kullanıcıya açık tampon API’leri NVIDIA sürümüyle uyumlu olsa da Ascend uygulaması Huawei platformunun yazılım ve donanım arayüzlerini kullanıyor. 19

Bileşenlerin ve API’lerin eşleşmesi geliştiriciler için kullanışlı olabilir. Fakat bu, iki platformun tüm özelliklerinin aynı olduğu ya da aynı hızda çalıştığı anlamına gelmez.

Ascend 950 test sonuçları ne gösteriyor?

Ascend donanımında yapıldığı bildirilen bir DeepEP testinde dağıtım için 375 GB/s, birleştirme için 347 GB/s ölçüldü. Bu değerler Ascend iletişim performansına ilişkin; NVIDIA ile doğrudan karşılaştırma değil. 1947

Bildirilen çıkarım testi, Ascend 950 UBL128 sistemi üzerinde DeepSeek-V4.1-Flash ile yapıldı. Kurulumda EP32 dağıtım stratejisi, 128K bağlam ve çevrimdışı çıkarım kullanıldı. Çıktı tokenı başına süreyi ifade eden TPOT değeri 5 ms olduğunda kart başına saniyede 2.469 çıktı tokenı; TPOT 10 ms olduğunda ise saniyede 5.102 token raporlandı. Bu sonuçlara sunucu tarafındaki zamanlama ve çerçeve yük dengeleme ek yükleri dâhil edilmedi. 47

Bunlar belirli bir kurulum için bildirilen sonuçlar; farklı iş yüklerinde aynı verimin alınacağını garanti etmiyor. DeepEP deposu ölçümlerin elle yapılandırılmış bir kavram kanıtlama (PoC) donanım geliştirme paketiyle yapıldığını belirtiyor. Başka bir haberde de testlerin PoC ürün yazılımı kullandığı ve ticari sürümün yaklaşık 15 Ekim’de yayımlanmasının planlandığı aktarılıyor. Dolayısıyla sonuçları yorumlarken ya da yeniden üretmeye çalışırken ürün yazılımı ve kurulum ayrıntıları önem taşıyor. 1219

Mevcut haber ve paylaşımlar, çıkarım testindeki tüm ayarları bağımsız biçimde yeniden üretmeye yetecek ayrıntıyı sunmuyor. Ayrıca geniş ölçekte, bağımsız üçüncü taraflarca yapılmış bir doğrulamadan söz edilmiyor. Bu nedenle sonuçları NVIDIA sistemleriyle doğrulanmış bir karşılaştırma gibi okumamak gerekiyor. 47

Huawei’nin SuperPoD Flex ve UBL128 açıklaması

Huawei ve DeepSeek, Ascend 950 tabanlı SuperPoD Flex / UBL128 tasarımını birlikte tanımladıklarını açıkladı. Bildirilen ölçek büyütme (scale-up) yapılandırması, tek aşamalı 3,2 Tbps ağ üzerinden bağlanan 128 kartı kapsıyor. İki aşamalı ölçek genişletme (scale-out) tasarımının ise 256.000 karta kadar uzanmasının amaçlandığı aktarılıyor. Bu, açıklanan tasarım kapasitesidir; bu büyüklükte bir sistemde DeepSeek eğitimi yapıldığını göstermez. 104749

Huawei, ortak çalışmaların CANN topluluğu üzerinden paylaşılacağını da belirtti. Bildirilen başlıklar arasında model dağıtımı, büyük ölçekli eğitim, uzun bağlamlarda KV önbelleği havuzlama ve ajan tabanlı pekiştirmeli öğrenme yer alıyor. 14

Henüz kanıtlanmayanlar

Yayımlanan bileşenler, Ascend için daha kapsamlı bir yazılım paketinin hazırlandığını gösteriyor; açıklanan çıkarım testi de belirli bir çevrimdışı yapılandırmaya ilişkin veri sunuyor. Ancak bileşenlerin NVIDIA tarafındaki araçlarla eşleşmesi veya ölçek genişletme tasarımı, V4’ün Ascend üzerinde büyük ölçekte eğitildiğini kanıtlamıyor. Açıklanan performans ölçümleri de NVIDIA ile denkliği göstermiyor: testler farklı donanımlarda yapıldı ve mevcut kaynaklarda iki platformu aynı koşullarda karşılaştıran bir test bulunmuyor. 251947

En temkinli değerlendirme şu: DeepSeek, Ascend için anlamlı bir yazılım bileşenleri seti yayımladı; Huawei ise sistem tasarımını ve belirli test sonuçlarını paylaştı. Bu sonuçların farklı iş yüklerine ne ölçüde yansıyacağı ve kontrollü bir testte NVIDIA sistemleriyle nasıl karşılaştırılacağı ise henüz net değil.