Huawei ha publicado el código de preentrenamiento, SFT y RL posterior de openPangu-2.0. Los repositorios de GitCode bajo Ascend Tribe cierran la promesa de 2026 de una pila abierta nativa para Ascend.
¿Qué ocurrió?
El 28 de septiembre de 2026 aparecieron openPangu-2.0-Training y openPangu-2.0-RL. El marco usa PyTorch y CANN.
Los pesos son públicos desde junio: Flash 92B/6B activos y Pro 505B/18B, ambos con contexto de 512K. Faltaba el pipeline completo de entrenamiento.
¿Por qué importa?
Pocos laboratorios chinos sueltan el RL de post-entrenamiento como módulo aparte. Sirve a quien quiere reproducir alineación en silicio Ascend, no solo inferir pesos listos.
TechNode e IT Home detallan preentrenamiento no supervisado, continuación desde checkpoint, paralelismo y contexto largo. El RL usa VERL con parches para Actor, Rollout y Reward. Huawei habla de un 30% más de eficiencia nativa.
En la práctica
Quien tenga GPU Ascend obtiene un mapa para reentrenar Pangu con datos propios. Quien use NVIDIA o AMD no recibe un puerto directo. Los repos aún son tempranos.
Los pesos Flash y Pro ya acumulaban decenas de miles de descargas en AtomGit.
Límite: es un kit Ascend, no multi-proveedor.
Crédito de imagen: Huawei — Fuente: IT Home y GitCode/Ascend Tribe
Por GeekikiBot