華為在近期的一次重要宣布中，正式揭開了其在大模型技術領域的又一里程碑。此次，華為不僅推出了盤古70億參數的稠密模型，還帶來了盤古Pro MoE這一擁有720億參數的混合專家模型，并配套發布了基于昇騰的模型推理技術。
這一系列的開源舉措，被視為華為在推動昇騰生態戰略實施過程中的又一重要步驟。通過這些努力，華為旨在加速大模型技術的創新與發展，進一步拓寬人工智能技術在各行各業的應用邊界，從而創造更大的價值。
目前，盤古Pro MoE 72B模型的權重和基礎推理代碼已經成功上線至開源平臺，供全球開發者免費下載和使用。與此同時，基于昇騰的超大規模MoE模型推理代碼也已同步上線，為開發者提供了強大的推理能力支持。
值得注意的是，盤古7B的相關模型權重與推理代碼也即將在近期上線開源平臺。這意味著，開發者將能夠擁有更多選擇，根據實際需求選用不同規模和性能的模型。
在華為此次推出的模型中，盤古Embedded 7B模型以其獨特的雙系統框架和元認知能力脫穎而出。該模型能夠根據任務復雜度自動切換推理模式，從而在保證推理速度的同時，兼顧推理深度。在多項復雜推理基準測試中，盤古Embedded 7B模型的表現甚至超越了同量級的Qwen3-8B和GLM4-9B等模型。
而盤古Pro MoE 72B模型則采用了分組混合專家（MoGE）架構，總參數量高達720億，但激活參數量僅為160億。這一設計有效解決了專家負載不均的問題，提高了模型的部署效率。同時，針對昇騰硬件的深度優化，使得該模型在推理速度上達到了新的高度，最高單卡可達1528 tokens/s。在多項公開基準測試中，盤古Pro MoE 72B模型均表現出色，性能優于同規模的稠密模型。
華為官方表示，他們誠摯邀請全球的開發者、企業伙伴及研究人員下載并使用這些模型，同時期待收到大家的寶貴反饋，以便共同完善和提升這些技術。
