摘要：从技术报告看，openPangu-2.0-Pro并非面向消费级设备部署的轻量模型，而是一款面向长上下文、智能体任务和昇腾算力环境优化的大规模MoE模型。

产联社编辑 王知微

华为盘古大模型进一步开放。7月31日，华为正式开源盘古openPangu-2.0-Pro模型，模型权重、基础推理代码及技术报告同步上线。

openPangu-2.0-Pro是华为6月12日在华为开发者大会2026上发布的openPangu-2.0系列成员。此后，相关组件分批上线：6月30日，Flash模型正式开源；7月31日，Pro模型权重、基础推理代码和技术报告进一步开放。

从技术报告看，openPangu-2.0-Pro并非面向消费级设备部署的轻量模型，而是一款面向长上下文、智能体任务和昇腾算力环境优化的大规模MoE模型。

5050亿参数，支持512K上下文

从华为披露的技术报告看，5050亿参数只是此次升级的一部分。openPangu-2.0-Pro的主要技术变化涵盖模型规模与预训练、长上下文架构、智能体后训练以及基于昇腾的推理优化四个方面。

一是采用高稀疏MoE架构，并使用约34万亿Token进行预训练。

openPangu-2.0-Pro总参数约5050亿，每个Token激活约180亿参数，设置384个路由专家，每个Token激活8个路由专家及1个共享专家，原生支持512K上下文窗口。

预训练分为三个阶段：25万亿Token用于通用能力训练，8万亿Token侧重推理与代码能力，另有1.4万亿Token用于退火训练和智能体能力优化，训练上下文由4K逐步扩展至512K。训练矩阵类参数时，模型采用Muon优化器。华为技术报告称，该优化器可以在相同数据预算下加快收敛，其优化器状态内存约为AdamW的一半。

二是采用DSA与SWA分层混合架构，重点降低长上下文推理成本。

openPangu-2.0以多头潜在注意力MLA为基础，按照“DSA—SWA—SWA”的方式组合稀疏注意力与滑动窗口注意力，DSA与SWA的层数比例为1∶2。其中，SWA层使用512 Token窗口处理局部信息，DSA层负责从长上下文中检索相关的全局信息。

按照华为技术报告的维度估算，与全注意力架构相比，这一设计将预填充阶段的主导二次计算系数降至约1/15，解码阶段的缓存扫描系数降至约7.4%。报告同时提示，上述数字针对与序列长度相关的注意力开销，并不等同于端到端加速幅度。

模型还将传统单路残差连接改为四路mHC，以缓解深层网络中的信息流趋同问题；同时设置三层多Token预测模块MTP，分别预测三个未来Token，为自投机解码提供草稿。

openPangu-2.0模型总体架构。其中，openPangu-2.0-Pro总参数约505B，即5050亿参数。图源：openPangu-2.0技术报告

三是采用三阶段后训练流程，分别强化推理、智能体和编程能力。

完成预训练后，openPangu-2.0依次进行监督微调、并行强化学习专家训练和多专家在线策略蒸馏。华为分别训练推理、通用、智能体和编程专家，再通过蒸馏将不同能力融合。

华为在内部实验中发现，基础推理能力有助于模型学习更复杂的智能体和编程行为；在智能体环境中训练，又能够加强指令遵循、长轨迹上下文处理、多步推理和任务规划能力。

四是围绕昇腾硬件进行推理优化，但部署门槛仍然较高。

在Ascend 910C环境下，openPangu-2.0-Pro在128K输入、1K输出且全局并发为1的配置下，单Token输出延迟为9.55毫秒；在128K输入、8K输出、Batch Size为24的配置下，单NPU吞吐量为每秒1326个Token。

根据技术报告，模型采用BF16精度时权重占用约1009GB，经过W8A8量化后仍约为517GB。对普通开发者而言，这并非一款可以在消费级设备上轻松运行的模型，其主要应用场景仍是昇腾算力集群和华为云MaaS服务。

从争议走向开放，盘古模型还需要验证

盘古大模型于2021年发布，此后持续强化行业应用路线。2023年，华为推出盘古大模型3.0，并将大模型能力引入HarmonyOS 4；2024年发布盘古大模型5.0；2025年6月，又开源盘古7B稠密模型和盘古Pro MoE 72B模型。

6月12日发布openPangu-2.0时，余承东曾公开反思盘古大模型的发展。

他表示，华为在世界还不知道大模型的时候就发布了盘古，后来“因为各种各样的原因，没做好，不应该”。他还透露，2025年国庆节前，公司让他负责盘古大模型业务。

余承东同时提出了盘古大模型的追赶目标：“我会带领团队一路赶超，在我余承东字典里没有第二，只有第一。从中国第一，走向将来的世界第一。” 从当前技术报告披露的信息看，这一目标仍需更多横向评测和实际应用加以验证。

从公开评测看，openPangu-2.0-Pro已经交出了一份覆盖推理、智能体和编程能力的成绩单。根据华为技术报告，其思考模式在AIME 2026上的成绩为95.4，使用Python工具后为97.9；GPQA-Diamond为87.9，BrowseComp为65.7，SWE-bench Verified为68.5，LiveCodeBench V6为85.7。

这些分数展现了模型在多类任务上的能力，但尚不足以回答其在全球大模型中处于什么位置。华为没有在报告的评测表格中列出其他厂商模型作为对照，并在报告中坦言，openPangu在复杂、真实的软件工程工作流中，与顶尖模型之间仍存在较为明显的差距，在复杂智能体及编程任务上也仍需继续提升。

余承东此前也解释过，华为只做5050亿参数模型，与算力资源约束有关。昇腾算力需要支持国内大量企业，留给华为自身的算力卡有限，而更大规模模型的训练成本也更高。因此，盘古把重点放在降低时延、提高吞吐量等方向。

openPangu-2.0-Pro此次开放模型权重、基础推理代码和技术报告，进一步将模型架构、评测成绩及昇腾推理效率置于外部验证之下。

华为将openPangu定位为“昇腾生态最佳实践参考”，希望借此推动盘古模型、昇腾算力和华为云MaaS之间的协同。

对盘古来说，能否成为“世界第一”，最终仍要由公开评测、真实应用和开发者反馈共同决定。

商务合作/报料，请联系微信号：18801065284