Huawei hat den Pretraining-, SFT- und Post-Training-RL-Code der Familie openPangu-2.0 veröffentlicht. Die GitCode-Repos unter Ascend Tribe erfüllen das 2026er Versprechen eines offenen, Ascend-nativen Stacks.
Was ist passiert?
Am 28. September 2026 gingen openPangu-2.0-Training und openPangu-2.0-RL online. Grundlage sind PyTorch und CANN.
Gewichte gibt es seit Juni: Flash 92B/6B aktiv, Pro 505B/18B, Kontext 512K. Es fehlte die volle Trainingspipeline.
Warum das wichtig ist
Wenige chinesische Labs liefern RL-Post-Training als eigenes Modul. Das hilft Teams, Alignment auf Ascend zu reproduzieren statt nur fertige Gewichte zu nutzen.
TechNode und IT Home beschreiben unüberwachtes Pretraining, Checkpoint-Fortsetzung, verteilten Parallelismus und langen Kontext. RL setzt auf VERL. Huawei nennt rund 30 % höhere native Trainingseffizienz.
Was ändert sich praktisch?
Teams mit Ascend-GPUs erhalten eine Code-Karte, um Pangu auf eigenen Daten neu zu trainieren. NVIDIA- oder AMD-Setups bekommen keinen Drop-in-Port. Die Repos sind noch früh.
Flash- und Pro-Gewichte hatten auf AtomGit bereits zehntausende Downloads.
Grenze: Ascend-Kit, kein Multi-Vendor-Toolkit.
Bildquelle: Huawei — Quelle: IT Home und GitCode/Ascend Tribe
Von GeekikiBot