国产大模型开源竞争进入新阶段，华为首次开源盘古大模型核心能力。

6 月 30 日，华为宣布开源盘古 70 亿参数稠密模型和盘古 Pro MoE 720 亿参数混合专家模型，同时开放基于昇腾的模型推理技术。这是华为首次将盘古大模型的核心能力对外开源。

华为表示，720 亿参数的盘古 Pro MoE 模型在昇腾 800I A2 上实现单卡 1148 tokens/s 的推理吞吐性能，通过投机加速技术可进一步提升至 1528 tokens/s，显著优于同等规模的稠密模型。

此次开源正值国产大模型开源浪潮兴起之际。继 DeepSeek-R1 成功后，MiniMax、阿里巴巴、月之暗面等头部厂商陆续升级开源模型，推动大模型价格下探 60%-80%，加速应用普及。

模型引入 " 快思考 " 和 " 慢思考 " 双系统

华为此次开源包括三个主要组件：盘古 Pro MoE 72B 模型权重和基础推理代码已正式上线开源平台，基于昇腾的超大规模 MoE 模型推理代码同步发布，盘古 7B 相关模型权重与推理代码将于近期上线。

据开源开发者平台 GitGo 信息，盘古 Pro MoE 基于 MoGE 架构构建，总参数量 720 亿，激活参数量 160 亿。该模型专门针对昇腾硬件优化，在昇腾 300I Duo 推理服务器上提供极具性价比的模型推理方案。

根据华为官方介绍，盘古 Embedded 7B 模型引入 " 快思考 " 和 " 慢思考 " 双系统，简单问题用快速模式响应，复杂问题用深度模式推理，可自动切换。

方案在专家选择阶段采用分组机制，具体来说，先将专家划分为若干等规模的分组，再从每个分组中选取相同数量的专家进行激活。在典型的分布式部署中，每个专家分组对应独立的计算设备，从而 MoGE 天然地实现了跨设备的计算负载均衡。这一设计显著提升了训练和推理场景下的系统吞吐量。

在预训练阶段，华为使用了 4000 个昇腾 NPU，在包含 13 万亿 tokens 的高质量语料库上进行预训练，分为通用、推理和退火三个阶段，逐步提升模型能力。

在后训练阶段，其通过监督微调（SFT）和强化学习（RL）进一步增强推理能力，还采用了检查点合并等技术优化模型。

最终，盘古 Pro MoE 在昇腾 800I A2 上实现了单卡 1148 tokens/s 的推理吞吐性能，并可进一步通过投机加速等技术提升至 1528 tokens/s，显著优于同等规模的 320 亿和 720 亿个参数的稠密模型；在昇腾 300I Duo 推理服务器上，华为也实现了极具性价比的模型推理方案。

千亿内总参数模型中处于领先

华为表示，昇腾 NPU 能够支持盘古 Pro MoE 的大规模并行训练。多项公开基准测试结果表明，盘古 Pro MoE 在千亿内总参数模型中处于领先地位。

在英文基准领域，盘古 Pro MoE 在 MMLU-PRO 上以显著优势超越当前主流的稠密模型（包括 Qwen3-32B、GLM-Z1-32B 和 Gemma3-27B）及 MoE 架构的 Llama4-Scout 模型，创下新的性能标杆。

在阅读理解领域，盘古 ProMoE 于 DROP 基准测试中获得 91.2 的优异成绩，与当前最优的 Qwen3-32B 模型（91.3）基本持平，充分验证其具备与前沿模型相当的英文文本理解与推理能力。

在中文领域评估中，盘古 Pro MoE 展现出专业化的语言理解优势。

具体而言，在知识密集型评测 C-Eval（EM）中，盘古 Pro MoE 以 91.1 的卓越成绩超越 Qwen3-32B（89.2）等现有百亿参数量级最优模型。针对中文常识推理任务，盘古 Pro MoE 在 CLUEWSC（EM）基准上取得 94.7 的高分，较 Qwen3-32B（94.6）实现微幅提升，并明显领先于 Gemma3-27B（91.3）等其他对比模型。

推理基准盘古 Pro MoE 在保持高效推理的同时，展现出优异的逻辑推理能力。

代码生成方面， 在 MBPP+（Pass@1）的指标达到 80.2，与 Qwen3-32B（82.0）处于同一性能区间。数学推理任务中，MATH-500 测试以 96.8 分超越 Qwen3-32B（96.6），CNMO2024 基准 Pass@1 指标 70.8 亦较后者（70.4）提升 0.4 分。特别在 SuperGPQA 复杂问题解答基准中，54.8 的 Pass@1 得分显著优于 GLM-Z1-32B（52.6）和 Qwen3-32B（49.8）等稠密模型。

值得注意的是，在仅激活 160 亿参数的配置下，盘古 Pro MoE 的推理能力即可媲美 320 亿（32B）量级的先进模型。这种高效率源于创新的 MoGE 架构设计，该架构在保证逻辑推理精度的同时，保障了高效的推理速度。

" 工业奇迹 "

根据 SuperCLUE 中文大模型基准测评 5 月的数据，盘古 72B 在开源排行榜中位列第五，总分为 58.75 分，超越 Qwen3-14B、Qwen3-8B，仅次于 DeepSeek-R1 满血版、DeepSeek-V3 满血版以及 Qwen3-32B 和 235B。

有媒体评论称，华为通过从芯片（昇腾 NPU）、到框架（MindSpore），再到模型（盘古）形成了完整的垂直整合体系。昇腾和盘古生态系统是一项里程碑式的技术成就。它证明在英伟达主导的单一产业格局之外，存在一种可行的高性能替代方案。

国产大模型开源竞争加剧

华为开源盘古大模型正值国产 AI 开源浪潮兴起。2025 年开年，DeepSeek-R1 的成功在全球掀起开源风潮，随后国产大模型开源消息接连不断，涵盖自然语言处理、计算机视觉、多模态等多个领域。

2025 年 6 月，MiniMax、阿里巴巴、月之暗面等国内头部大模型厂商陆续升级多款开源大模型。研究报告显示，这些厂商在有限算力支持下，通过算法升级促进模型性能持续提升。

大模型价格同步快速下探。MiniMax-M1、豆包大模型 1.6 定价比 DeepSeek-R1 降低约 60%-80%，更高性价比将加快应用普及速度。华为此次开源举措有望进一步推动人工智能技术在千行百业的应用与价值创造。