FreedomIntelligence/openPangu-Ultra-MoE-718B

开源盘古 Ultra-MoE-718B

中文 | English

1. 简介

openPangu-Ultra-MoE-718B 是基于昇腾NPU从零训练的大规模混合专家语言模型，总参数量为718B，激活参数量为39B。openPangu-Ultra-MoE-718B 训练了约19T tokens，具备快慢思考融合能力。

2. 模型架构

openPangu-Ultra-MoE-718B 的模型架构采用了业界主流的Multi-head Latent Attention (MLA)、Multi-Token Prediction (MTP)、大稀疏比等架构，以及一些特有的设计：

• Depth-Scaled Sandwich-Norm和TinyInit：通过调整层归一化结构与参数初始化，提升训练稳定性。
• 基于EP-Group的负载均衡策略：通过优化负载均衡损失函数，改善专家特化效果。

3. 测评结果

测评集	测评指标	慢思考
通用能力
C-Eval	Acc	91.06
CLUEWSC	Acc	94.67
MMLU-Pro	Exact Match	82.40
ArenaHard_v0.1	w/o Style Control	96.80
GPQA-Diamond	Avg@4	76.77
SuperGPQA	Acc	61.67
IF-Eval	Prompt Strict	80.59
SysBench	Constraint Satisfaction Rate	91.43
数学能力
CNMO 2024	Avg@32	80.73
AIME25	Avg@16	75.21
AIME24	Avg@16	80.21
MATH-500	Avg@1	97.40
代码能力
LiveCodeBench	Avg@3 (01/25~05/25)	61.14
MBPP+	Avg@2	81.48

注： 评测过程中，system prompt 为空。

4. 部署和使用

4.1 环境准备

硬件规格

Atlas 800T A2 (64GB, >=32卡)，驱动与固件安装包获取请参照[Atlas 800T A2]

软件环境

• 方式一：基于裸机环境安装以下配套软件

  • 操作系统：Linux（推荐openEuler>=24.03）
  • CANN==8.1.RC1，安装准备及流程请参照[CANN Install]
  • python==3.10
  • torch==2.1.0
  • torch-npu==2.1.0.post12
  • transformers>=4.48.2

• 方式二：从docker镜像启动容器

  参考[Docker使用指南]

以上软件配套经过验证，理论可以支持更高的版本，如有疑问，可以提交issue。

4.2 权重完整性校验

请参考以下方法对下载内容进行完整性校验，hash 值存储在 checklist.chk 文件中。

#!/usr/bin/env bash
ARCH=$(uname -m)
MODEL_PATH="${TARGET_FOLDER}/${MODEL_FOLDER_PATH}"
cd "$MODEL_PATH" || exit 1
if [ "$ARCH" = "arm64" ]; then
    sha256sum checklist.chk
else
    sha256sum -c checklist.chk
fi

4.3 推理权重转换

本次样例 openPangu-Ultra-MoE-718B 推理采用 Tensor Parallel 并行策略，叠加昇腾 NPU 融合大算子，需要提前对 safetensors 权重进行切分，下述内容提供32卡并行推理的权重切分示例，切分后的权重会保存在model/目录下：

cd inference
bash split_weight.sh

4.4 推理样例

openPangu-Ultra-MoE-718B 在 Atlas 800T A2 上4机32卡bfloat16推理示例，主节点选取节点IP0：

cd inference
# 主节点IP0:  ${NNODES} ${NODE_RANK} ${NPROC_PER_NODE} ${MASTER_ADDR} ${PROMPT}
bash generate.sh 4 0 8 IP0 "3*7=?"
# 从节点IP1
bash generate.sh 4 1 8 IP0 "3*7=?"
# 从节点IP2
bash generate.sh 4 2 8 IP0 "3*7=?"
# 从节点IP3
bash generate.sh 4 3 8 IP0 "3*7=?"

模型默认为慢思考模式，可以通过以下手段切换至快思考模式：如generate.py示例中fast_thinking_template所示，在用户输入结尾添加 /no_think标记可以将当前轮次切换至快思考模式。

4.5 使用推理框架

vllm_ascend：参考[vllm_ascend_for_openPangu_ultra_moe_718b]

5. 模型许可证

除文件中对开源许可证另有约定外，openPangu-Ultra-MoE-718B 模型根据 OPENPANGU MODEL LICENSE AGREEMENT VERSION 1.0 授权，旨在允许使用并促进人工智能技术的进一步发展。有关详细信息，请参阅模型存储库根目录中的 LICENSE 文件。

6. 免责声明

由于 openPangu-Ultra-MoE-718B （“模型”）所依赖的技术固有的限制，以及人工智能生成的内容是由盘古自动生成的，华为无法对以下事项做出任何保证：

• 该模型的输出通过AI算法自动生成，不能排除某些信息可能存在缺陷、不合理或引起不适的可能性，生成的内容不代表华为的态度或立场；
• 无法保证该模型100%准确、可靠、功能齐全、及时、安全、无错误、不间断、持续稳定或无任何故障；
• 该模型的输出内容不构成任何建议或决策，也不保证生成的内容的真实性、完整性、准确性、及时性、合法性、功能性或实用性。生成的内容不能替代医疗、法律等领域的专业人士回答您的问题。生成的内容仅供参考，不代表华为的任何态度、立场或观点。您需要根据实际情况做出独立判断，华为不承担任何责任。

7. 反馈

如果有任何意见和建议，请提交issue或联系openPangu@huawei.com。