一句话看懂:星火(Xing 4)系列大模型论文公开,基于昇腾芯片与MindSpore框架完成285B参数模型预训练,并推出统一智能体训练平台TeleGym,展示国产算力栈训练前沿模型的一条工程路径。
事件核心:发生了什么
2026年11月17日,Hugging Face Papers 收录了一篇关于 Xing 4 的技术报告。Xing 4 是中电信 TeleChat 模型谱系的延续,论文聚焦模型架构与训练基础设施的协同设计,而非产品发布公告。
关键信息包括:预训练在 8,192 张昇腾 910C 卡上完成 285B 参数模型训练,底层采用 MindSpore HyperParallel,结合拓扑感知的混合切分、分布式优化器执行和长序列激活内存管理;后训练阶段引入 TeleGym 智能体执行平台,将执行、评测、轨迹构建与策略优化串联,并用异步执行、有界过采样和部分 rollout 应对任务时长差异。论文还讨论了稀疏激活、注意力设计、模型深度宽度与推测解码对算力、访存和执行开销的权衡。
为什么重要
过去前沿大模型的预训练与后训练高度依赖英伟达 GPU 生态,国产芯片更多出现在推理或中小规模场景。此次公开的规模——285B 参数、八千卡级集群——若后续得到复现验证,说明昇腾加 MindSpore 已具备承载前沿模型完整训练流程的工程能力,这在算力供给与供应链安全层面有实际意义。
另一方面,TeleGym 把智能体轨迹数据与策略优化打通,反映训练重心正从静态语料向可执行任务迁移。对国内做大模型智能体方向的团队而言,这套“模型架构+训练框架+智能体平台”的一体化设计思路,比单个模型指标更值得研究。
对用户/开发者/创作者的影响
目前公开信息显示,这只是技术报告,尚未披露模型是否开源、API 是否开放或具体评测成绩。因此普通用户短期不会直接用到 Xing 4。对开发者而言,可关注其训练框架相关组件是否随 MindSpore 生态开放,尤其是长序列训练和异步 rollout 的实现;对企业采购方,昇腾上跑通大模型训练意味着国产算力方案的选型空间在扩大,但仍需等待实际部署案例和性价比数据。创作者角度则要等模型真正上线后才能判断内容生成质量,目前不宜据此调整工具链。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 Xing 4 是否发布可用的模型权重或 API,以及不同参数规模版本的落地节奏;二是论文中的训练效率数据能否被第三方复现,尤其是 8192 卡规模下的稳定性和实际吞吐;三是 TeleGym 是否会作为独立平台对外开放,若开放,可能成为国内智能体训练工具链的一个新选项。


