---
license_link: https://huggingface.co/openpangu/openPangu-2.0-Flash/blob/main/LICENSE
---

# openPangu-2.0-Flash
中文 | [English](https://huggingface.co/openpangu/openPangu-2.0-Flash/blob/main/README_EN.md)

## 1. 简介
openPangu-2.0-Flash 是基于昇腾 NPU 训练的大规模混合专家（MoE）语言模型，参数规模约 92B，每 token 激活参数规模约 6B，模型支持 512k 上下文长度，训练数据总量约34T tokens。后训练阶段完成快慢合一微调（SFT）、多专项强化学习（RL），并通过在线蒸馏（OPD）完成能力合一。

## 2. 模型架构
openPangu-2.0-Flash 在模型架构上实现了全面的升级：

- Attention架构：沿用高效 MLA，并采用 DSA+SWA 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、显存与访存开销。
- 拓扑架构：将传统残差连接升级为 4 支流 mHC 架构，提升表征多样性与泛化能力。
- 自投机模块：采用 3 头 MTP 架构，一次额外预测 3 个 token，显著提升模型的推理速度。
- Muon优化器：训练中采用Muon优化器，获得更快的收敛速度。



## 3. 测评结果

|       测评集        |             测评指标             | openPangu-2.0-Flash-Thinking  | openPangu-2.0-Flash-Non-Thinking   |
|:------------------|:----------------------------:|:-----:|:-----:|
|     **通用能力**     |                              |       |       |
|     CL-Bench        |         Acc                  | 20.4 | 15.5 |
|     IFEval          |         Prompt Strict        | 95.9 | 89.3 |
|     IFBench         |         Prompt Strict        | 79.6 | 54.4 |
|     AgentIF         |         (CSR+ISR)/2          | 44.9 | 43.9 |
|     SysBench        |         ISR                  | 91.1 | 87.9 |
|     Multichallenge  |         Acc                  | 68.4 | 51.9 |
|     **推理能力**     |                              |       |       |
|     AIME 2026       |         Avg@16               | 93.3 | 86.5 |
|      - w/ Python |       Avg@16               | 98.1 | - |
|     HMMT Feb 2025   |         Avg@16               | 91.5 | 67.1 |
|      - w/ Python |       Avg@16               | 96.9 | - |
|     IMO-AnswerBench |         Acc                  | 76.5 | 62.3 |
|      - w/ Python |       Acc                  | 80.8 | - |
|     BBEH            |         Harmonic Mean        | 62.5 | 51.5 |
|     GPQA-Diamond    |         Avg@4                | 83.7 | 79.8 |
|     **Agent能力**    |                              |       |       |
|     BrowseComp      |         Acc                  | 57.0 | - |
|     SkillsBench     |         Avg@5                | 42.6 | 40.0 |
|     PinchBench      |         Avg@3                | 85.6 | 82.5 |
|     Claw-Eval       |         Pass^3               | 57.7 | 58.2 |
|     WildClawBench   |         Avg@3                | 41.5 | 35.0 |
|     MCP-Atlas       |         Acc                  | 58.9 | 47.9 |
|     TAU2-Bench      |         Avg@3                | 88.0 | 74.0 |
|     **代码能力**     |                              |       |       |
|     LiveCodeBench V6 |        Avg@3                | 85.1 | 50.9 |
|     DeepCodeBench   |         Avg@3          | 76.5 | 70.9 |
|     SWE-bench Verified |      Avg@3                  | 63.1 | 57.6 |
|     FeatBench       |         Avg@3                | 45.9 | 45.8 |





## 4. 部署和使用
- 使用omni-infer推理框架，部署方式参考[[openPangu-2.0-Flash部署说明](https://gitcode.com/ascend-tribe/openPangu-2.0-Infer/blob/main/README.md)]
- 源码仓:[[openPangu-2.0-Infer]](https://gitcode.com/ascend-tribe/openPangu-2.0-Infer)

## 5. 模型许可证
除文件中对开源许可证另有约定外，openPangu-2.0-Flash 模型根据 OPENPANGU MODEL LICENSE AGREEMENT VERSION 2.0 授权，旨在允许使用并促进人工智能技术的进一步发展。有关详细信息，请参阅模型存储库根目录中的 [LICENSE](https://huggingface.co/openpangu/openPangu-2.0-Flash/blob/main/LICENSE) 文件。

## 6. 免责声明
由于 openPangu-2.0-Flash （“模型”）所依赖的技术固有的限制，以及人工智能生成的内容是由模型自动生成的，华为无法对以下事项做出任何保证：
- 该模型的输出通过AI算法自动生成，不能排除某些信息可能存在缺陷、不合理或引起不适的可能性，生成的内容不代表华为的态度或立场； 
- 无法保证该模型100%准确、可靠、功能齐全、及时、安全、无错误、不间断、持续稳定或无任何故障； 
- 该模型的输出内容不构成任何建议或决策，也不保证生成的内容的真实性、完整性、准确性、及时性、合法性、功能性或实用性。生成的内容不能替代医疗、法律等领域的专业人士回答您的问题。生成的内容仅供参考，不代表华为的任何态度、立场或观点。您需要根据实际情况做出独立判断，华为不承担任何责任。

## 7. 反馈
如果有任何意见和建议，请提交issue或联系[openPangu@huawei.com](url)。