中国电信星瀚大模型全程国产算力训练完成
一、核心突破与产品
北京时间 2026 年 11 月 18 日,中国电信(China Telecom)主导的技术报告通过 Hugging Face 发布,介绍了 星瀚 Xing4系列大模型。报告显示,星瀚 Xing4 系列旗舰模型为 285B-A17B,总参数量 2850 亿,每次推理激活参数量 170 亿,采用面向智能体任务的混合专家架构。星瀚 Xing4 系列延续了中国电信 TeleChat 模型的技术路线,由中国电信星辰智能体实验室(XingChen AGI Lab)团队推进,定位是能够连续执行多步规划、调用工具并完成长任务的前沿智能体模型。报告同时介绍了开源权重模型 29B-A4B,总参数量 290 亿,每次推理激活参数量 40 亿,上下文长度覆盖 25.6 万至 100 万个 token。星瀚 Xing4 系列最受关注的一点是训练路线:整个预训练过程全部在 8192 块华为昇腾 910C(Huawei Ascend 910C)神经网络处理器上完成,使用 MindSpore HyperParallel 框架,没有使用图形处理器,也没有使用英伟达 CUDA 平台。这一结果为国产算力训练超大模型提供了可公开查证的完整案例。
二、底层架构与关键参数
星瀚 Xing4 系列在架构上组合了多项已有技术。模型采用多头潜在注意力(Multi-head Latent Attention,MLA)压缩键值缓存,降低长上下文推理的显存占用;结合 DeepSeek Sparse Attention 稀疏注意力机制,让模型在处理长文档时只关注关键内容;同时引入 IndexShare 机制,共享索引以减少重复计算。训练系统方面,MindSpore HyperParallel 框架采用拓扑感知的混合分片策略,把模型参数、优化器状态和长序列任务按昇腾 910C 集群的互联拓扑分配,并对激活显存进行协同管理,从而支撑 2850 亿参数模型在 8192 块昇腾 910C 上的预训练。报告给出了一组系统层面的实测数据:与多头潜在注意力基线相比,预填充吞吐量提升 4.68 倍;去掉流水线并行后,单步训练时间加速 1.35 倍;DSpark 推测解码技术宣称将吞吐量提升 2.67 至 3.77 倍。后训练阶段,中国电信引入统一的智能体执行平台 TeleGym,把执行、评估和轨迹构建连接起来,用于策略优化,让模型在真实工具环境中学习多步任务。开源的 29B-A4B 模型面向企业部署,支持长上下文推理、代码编写和智能体工作流,开发者可以在昇腾硬件上直接运行,也可以结合常见推理框架使用。需要说明的是,上述加速倍数均为中国电信报告给出的数据,尚未经过独立第三方复测。
三、产业生态与行业影响
星瀚 Xing4 系列的发布对国产人工智能产业链有直接意义。长期以来,超大模型训练高度依赖图形处理器和 CUDA 生态,昇腾 910C 与 MindSpore 框架能否支撑 2850 亿参数模型的完整训练,一直缺少公开的验证案例。星瀚 Xing4 系列把训练规模、硬件数量和框架名称全部写进技术报告,等于是把国产算力路线的可行性摆到了台面上,供同行复核和对照。开源的 29B-A4B 模型降低了企业尝试的门槛:290 亿总参数、40 亿激活参数的规模适合在单机或小集群上部署,长上下文能力覆盖合同审阅、知识问答、表格理解和代码辅助等场景,有助于国产模型进入政企办公和行业应用。另一方面,星瀚 Xing4 系列的竞争力仍需放在公开基准上检验,285B-A17B 旗舰模型的推理成本、长任务成功率和与图形处理器训练模型的实际差距,都有待后续评测披露。总体看,星瀚 Xing4 系列的价值更多在工程层面:它证明国产芯片加国产框架可以走完超大模型的训练全程,为后续更大规模的国产训练提供了可复制的工程路径。
信源跟踪: Hugging Face、AI Weekly | 数据时间: 北京时间 2026-11-18
