7月31日消息，华为正式开源 openPangu-2.0-Pro 模型的权重、基础推理代码及技术报告。这款模型采用 MoE（混合专家）架构，总参数量 505B，激活参数量 18B，支持 512K 上下文窗口，全程在华为昇腾 910B NPU 上完成训练，未使用 NVIDIA 硬件。加上6月30日已开源的 Flash 版本（92B 总参数，6B 激活），openPangu 2.0 系列双版本模型权重均已可供下载。
openPangu-2.0-Pro 是华为6月12日在开发者大会 HDC 2026 上宣布的开源计划中的关键一步。此次开源内容不包含训练代码，预训练代码、后训练代码和训练算子按路线图计划在2026年下半年陆续释出。
505B 总参数，18B 激活：高稀疏架构下的技术取舍
openPangu-2.0-Pro 最显著的技术特征是其极高的稀疏比。505B 总参数中，每次推理仅激活 18B，稀疏比达到 28:1，是目前千亿级参数档位中公开的最大稀疏比。模型采用 DSA+SWA（动态稀疏注意力与滑动窗口注意力）分层混合架构，在 512K 上下文窗口下实现超稀疏注意力计算。
这种架构选择带来了明确的效率优势。据华为在 HDC 2026 上公布的数据，openPangu 2.0 在昇腾硬件上的单卡推理吞吐率可达业界主流开源模型的 2 倍，512K 长序列训练吞吐提升 50%，训练与推理阶段的一致性超过 99%。这些数据均为华为自述口径，截至发稿未见独立第三方复现。
但高稀疏比也意味着每个 token 可用的计算量受限。作为参照，DeepSeek V4 Pro 的激活参数约为 200B，Kimi K2.7 为 32B，openPangu-2.0-Pro 的 18B 激活参数在当前主流开源模型中处于较低水平。Flash 版本在 HuggingFace 上公开的 benchmark 显示了有竞争力的推理和编码成绩（AIME 2026 Thinking 模式 93.3%，SWE-bench Verified 63.1%），但 Pro 版本的独立 benchmark 数据截至发稿尚未广泛公开。 昇腾原生与全链路开源：定位差异化而非参数竞赛
openPangu 2.0 的竞争力不在参数规模。华为常务董事余承东在 HDC 2026 上坦言，华为自留的昇腾算力"数量非常有限"，大部分产能优先供给国内企业客户，不足以训练万亿参数模型。AI 算力成本高企、内存价格大涨的背景下，华为选择在有限算力条件下做效率优化，而非堆参数。
这一资源约束决定了 openPangu 2.0 的差异化路线。它的三个独特卖点与绝对推理能力无关：一是完全脱离 NVIDIA 硬件的训练和推理全栈，从算法到算子原生适配昇腾芯片，对信创和国产化场景具有不可替代性；二是 512K 上下文窗口，在主流开源模型中处于最高档位（DeepSeek V4 Pro 为 128K，Qwen 3.7 Max 为 128K）；三是计划中的全链路开源，覆盖模型结构、权重、技术报告、推理代码、预训练代码、后训练代码和训练算子共 7 大组件，是少数承诺开放完整训练管线的超大规模 MoE 模型。
开源许可方面，openPangu 2.0 采用 OPENPANGU MODEL LICENSE AGREEMENT VERSION 1.0，属宽松许可但并非 MIT 或 Apache 2.0，开发者在使用前需确认具体条款。模型可通过 GitCode 上的 Ascend Tribe 开源社区下载，也可在华为云 ModelArts 平台在线体验。
完成了一个里程碑，但能力边界需要 benchmark 来回答
openPangu-2.0-Pro 的开源是华为在昇腾 AI 生态上的一个里程碑式动作。在此之前，所有已公开的前沿规模开源语言模型——DeepSeek V4 Pro、Qwen 3.7 Max、Kimi K2.7、GLM-5.2——均依赖 NVIDIA GPU 完成训练。openPangu 2.0 是目前唯一完全在国产硬件上训练的同级别开源 MoE 模型。对于必须使用昇腾算力的政企客户和信创场景，这意味着可选的开源基座从零变为可用。
但里程碑不等于能力标杆。18B 的激活参数决定了 openPangu-2.0-Pro 在复杂推理和编码任务上与 200B 级别激活的模型之间存在架构层面的差距。华为在效率指标（吞吐率、稀疏比、训推一致性）上给出了较多数据，在能力指标（通用 benchmark、编码、数学推理）上 Pro 版本的公开数据仍然有限。这个模型能做什么、不能做什么，最终需要独立 benchmark 和开发者实测来回答。
AI 速览
