华为开源 openPangu 2.0 Pro：505B 参数全昇腾训练、512K 上下文，许可证明令禁止欧盟使用

7 月 31 日，华为正式开源 openPangu-2.0-Pro 模型权重、基础推理代码与技术报告。该模型是 openPangu 2.0 系列的最新旗舰版本，总参数约 505B（MoE 架构，每 token 激活约 18B），支持 512K 上下文窗口——在目前已开源 MoE 模型中为最长。训练全程基于华为昇腾 NPU，未使用 NVIDIA GPU，成为迄今最大规模的完全非 NVIDIA 算力训练的开源大模型。

模型架构与技术亮点

openPangu-2.0-Pro 在架构层面实现了多项自研创新：

• 分层混合注意力：沿用高效 MLA（Multi-head Latent Attention），并采用 DSA（动态稀疏注意力）+ SWA（滑动窗口注意力）独立分层混合架构，层配比为 1:2。SWA 层负责局部窗口建模，DSA 层负责稀疏全局聚合，在保持精度的同时显著降低长序列推理的计算与访存开销。
• 4 支流 mHC 拓扑：将传统残差连接升级为流形约束超连接（mHC），提升表征多样性与泛化能力。
• 3 头 MTP 自投机解码：一次额外预测 3 个 token，加速推理。
• Muon 优化器：训练中采用 Muon 优化器以获得更快收敛速度。

预训练数据总量约 34T tokens，分为通用领域（25T）、推理能力培养（8T）、退火处理（1.4T）三个阶段。后训练阶段完成快慢合一监督微调（SFT）、多专项强化学习（RL），并通过在线策略蒸馏（OPD）完成能力融合。

自报基准：无第三方对照，复杂软件工程仍有差距

华为在技术报告中仅披露了 openPangu-2.0 系列模型自身的测评数据，未附上与第三方模型的直接对比结果。官方自报的核心分数（Thinking 模式，均为三次运行均值）如下：

• SWE-bench Verified：68.5
• LiveCodeBench V6：85.7
• AIME 2026：95.4（Avg@16）
• GPQA-Diamond：87.9（Avg@4）
• HMMT Feb 2026：86.2（Avg@16）；配合 Python 工具升至 93.2

技术报告同时坦言，模型在处理复杂现实世界软件工程任务时，仍与顶尖模型存在明显差距。目前上述分数尚无独立第三方复测结果。

昇腾原生推理栈 omni-infer 同步开源

与模型权重同步，华为开源了昇腾原生的推理框架 omni-infer（Apache 2.0 许可证），部署代码托管于 GitCode（ascend-tribe/openPangu-2.0-Infer）。该框架自研多款融合算子，搭配 Felix 上下文并行、单核多流执行等策略，深度适配 Ascend 910C 硬件。华为披露，在 128K 上下文下，openPangu-2.0-Pro 最低 TPOT 时延 9.55ms，TPOT 20ms 条件下单卡 NPU 生成吞吐 1326 token/s。

自定义许可证：禁用欧盟，要求标注出处

openPangu-2.0-Pro 模型权重采用自定义的 OpenPangu Model License Agreement Version 2.0，而非标准开源许可证。该协议明确禁止在欧盟境内访问、下载、部署或使用该模型（第 3.1 条），并要求基于该模型的产品或服务在相关页面标注 "Powered by openPangu" 及华为商标声明（第 4.2 条）。

这与 omni-infer 推理代码采用的宽松 Apache 2.0 许可证形成鲜明对比，使得 openPangu 在许可层面的开放程度明显低于 Qwen3 等采用 Apache 2.0 的模型。

此外，模型卡标注参数为约 505B，但 Hugging Face 自动元数据报告为 541B，仓库未对两者差异作出解释。模型文件总大小约 1.08 TB。

战略背景：以开源验证昇腾垂直整合

openPangu-2.0-Pro 的发布不是孤立事件。今年 6 月的华为开发者大会（HDC 2026）上，余承东宣布 openPangu 2.0 计划从 6 月 30 日起陆续开源 7 大组件（包括预训练代码、后训练代码、训练算子），并已率先于 6 月 30 日放出 92B 总参/6B 激活的 openPangu-2.0-Flash。

在国产 DUV 量产推进与美国对华芯片出口管制持续博弈的背景下，这一发布向外界传递了明确信号：华为已具备从昇腾芯片、CloudMatrix 384 超节点集群、模型训练到云端部署的完整垂直能力，无需依赖 NVIDIA 生态即可训练并交付 500B 级 MoE 模型。

余承东在 HDC 期间坦言，华为将大量 AI 算力分配给了国内其他企业需求，自身留存的算力"非常有限"，因此更聚焦于时延和吞吐率的效率优化。这一现实约束，反而塑造了 openPangu 以稀疏性和推理效率为核心的设计哲学。

openPangu 能否在华为生态之外获得广泛采用，取决于开发者社区的复测验证、昇腾硬件的可及性，以及欧盟禁令对潜在用户群的实际影响。

来源

• Hugging Face 模型页及技术报告 — 官方模型卡、架构说明与测评结果
• OpenPangu Model License Agreement 2.0 — 许可证全文
• 智东西（新浪看点转载） — 架构细节、训练流程与推理性能数据
• 搜狐/凤凰网科技 — 开源公告与余承东表态
• RuntimeWire — 参数规模差异、许可证分析及产业定位
• AIBase — 开源背景与 HDC 2026 计划回顾
• omni-infer 推理框架（GitCode） — 昇腾原生部署指南与 Apache 2.0 许可证