华为于2025年6月30日大规模开源其盘古大模型系列，包括720亿参数的盘古Pro MoE模型和70亿参数的盘古7B模型，并同步开放基于昇腾硬件的全套推理技术。此举旨在构建从芯片到应用的完整AI生态，降低AI应用门槛，加速行业创新。

🚀盘古Pro MoE模型：拥有720亿参数，采用MoGE（分组混合专家）架构，通过激活约160亿参数即可实现高效推理。在昇腾800I A2芯片上，推理速度高达1148 tokens/s，通过技术加速可达1528 tokens/s。目前，该模型的权重和推理代码已在GitCode平台开放。

💡盘古7B模型：拥有70亿参数，具备“快思考”与“慢思考”双系统框架，能根据任务复杂程度自动切换模式。在AIME、GPQA等高难度推理测试中，表现超越同规模对手，适合部署在算力有限的终端设备。

🛠️昇腾生态：华为同步开放基于昇腾硬件的全套大规模模型推理技术，包含FlashComm、OptiQuant、OmniPlacement等优化工具。这些技术将盘古模型的潜力在昇腾芯片上发挥到极致。

🎯开源目标：华为旨在通过开放高性能模型和高效工具，吸引全球开发者在昇腾硬件上进行创新，构建国产AI全栈体系，推动从“算力追随者”向“架构定义者”转变。

2025年6月30日，华为在人工智能领域投下了一枚重磅炸弹，正式宣布首次大规模开源其核心底牌——盘古大模型系列。这并非一次简单的模型分享，而是一套包含了两款重磅模型及全套昇腾硬件推理技术的“组合拳”，旨在为全球开发者构建一个从芯片到应用的完整AI生态。

“航母级”选手：盘古 Pro MoE 72B

首先登场的是“航母级”选手——拥有720亿总参数的盘古 Pro MoE 模型。它没有简单地堆砌参数，而是独创了**MoGE（分组混合专家）**架构。

你可以把它想象成一个拥有众多顶尖专家的智囊团。传统方式是任务来了大家一起上，容易造成忙的忙死、闲的闲死。而MoGE则聪明地将专家们分成了不同的小组，任务来了先分配到小组，再由小组内的专家协同解决，确保了计算资源的负载均衡。

这种设计的巧妙之处在于，每次处理任务时，仅需激活约160亿参数，却能爆发出远超同级模型的能量。在华为自家的昇腾800I A2芯片上，它的推理速度飙到惊人的1148 tokens/s，通过技术加速更能冲到1528 tokens/s，真正实现了“以小博大”的超高效率。目前，这款模型的权重和配套的推理代码已在GitCode平台开放。

灵活的“特种兵”：盘古 7B

如果说72B模型是重装旗舰，那么70亿参数的盘古7B模型就是一名灵活善战的“特种兵”。它最大的亮点是具备**“快思考”与“慢思考”**双系统框架。

快思考：处理日常、简单的任务，追求极致的响应速度。慢思考：当遇到复杂的推理难题时，它会自动切换到该模式，进行深度分析，确保结果的准确性。

这种自适应能力让它在AIME、GPQA等高难度推理测试中，表现超越了Qwen3-8B等同规模的对手。更重要的是，它对边缘设备极为友好，非常适合部署在算力有限的终端上，让AI能力深入到工厂、汽车、医疗设备等各个角落。这款模型也即将开放下载。

真正的底牌：软硬协同的昇腾生态

这次开源的核心，远不止模型本身。华为同步开放了基于昇腾（Ascend）硬件的全套大规模模型推理技术。

这套工具链包含了从底层通信优化（FlashComm）、量化压缩（OptiQuant）到负载均衡算法（OmniPlacement）等一系列“独门秘籍”。正是这些技术，才将盘古模型的潜力在昇腾芯片上压榨到了极致。

华为此举意图明确：通过开放最高性能的模型和最高效的工具，吸引全球开发者在昇腾硬件上进行创新。这不仅是技术自信的体现，更是构建国产AI全栈体系、从“算力追随者”向“架构定义者”转变的关键一步。

总而言之，华为这次开源，为开发者同时送上了“顶级跑车”（盘古模型）和“无限油料的高速公路”（昇腾生态），无疑将极大降低AI应用的门槛，加速整个行业的创新浪潮。

---

如果你也对最新的AI信息感兴趣或者有疑问 都可以加入我的大家庭 第一时间分享最新AI资讯、工具、教程、文档 欢迎你的加入！！！😉😉😉

公众号：墨风如雪小站

我的博客：https://blog.worldcodeing.com/我的导航站：https://nav.worldcodeing.com/源码小站：https://www.worldcodeing.com/