Дом
Компания Mianbi Intelligence и Университет Цинхуа представили первую в Китае крупную модель BitCPM-CANN с точностью 1,58 бита
Компания Mingshi Intelligence в партнерстве с Университетом Цинхуа и сообществом OpenBMB официально перевела в открытый доступ BitCPM-CANN — первую в Китае крупную языковую модель, обученную на платформе Ascend компании Huawei. Благодаря использованию тройной (1,58-битовой) квантизации этот прорыв способствует развитию технологий обучения с низким битовым разрешением и становится важной вехой для экосистемы искусственного интеллекта Китая.
BitCPM-CANN демонстрирует высокую производительность отечественной вычислительной инфраструктуры, создавая полностью нативный конвейер разработки — от операторов квантования до алгоритмов обучения. Модель доступна в вариантах объёмом 0,5 млрд, 1 млрд, 3 млрд и 8 млрд параметров и превосходит по производительности полноразрядные модели MiniCPM4 аналогичного размера. Примечательно, что она примерно в шесть раз сокращает использование памяти при инференсе, обеспечивая плавную работу моделей с 8B параметров на популярных флагманских смартфонах и предлагая существенные преимущества для мобильной индустрии.

Опираясь на технологии MindSpeed и Megatron-LM, компания Mingshi Intelligence создала комплексную платформу для обучения с низкой разрядностью. Эта инфраструктура поддерживает адаптацию к среде, обработку длинных последовательностей длиной 32K, стратегии параллелизма и интегрированные операторы. Предоставляя эту общедоступную основу для всего обучения с низкой разрядностью на базе Ascend, компания снижает барьеры для разработки и ускоряет технологическую итерацию.

Для содействия более широкому внедрению все веса модели BitCPM-CANN доступны в открытом доступе через HuggingFace и ModelScope. Эта инициатива вооружает разработчиков мощными инструментами, стимулируя создание инновационных приложений во всех сферах искусственного интеллекта.
В заключение можно сказать, что BitCPM-CANN представляет собой важнейший прорыв в возможностях Китая по обучению крупных моделей ИИ, закладывая прочную основу для будущих интеллектуальных приложений.
Связанная статья
Meta присоединяется к TSMC и Micron для оснащения новых серверов старой памятью
По мере ускорения внедрения искусственного интеллекта во всем мире наблюдается острый дефицит памяти следующего поколения DDR5. Чтобы избежать задержек в развертывании центров обработки данных для ИИ, Meta заключила партнерство с ведущими отраслевыми
Как базы данных временных рядов обеспечивают обработку данных робототехники в реальном времени
Дуг Паджутти из Tiger Data.Паджутти работает в качестве промышленного разработчика-адвоката в Tiger Data, поддерживая команды в создании реальных промышленных систем.Имея более 12 лет опыта в нефтегазовой отрасли и автоматизации производства, он рабо
Как оптимизировать SEO для Google Japan и Yahoo Japan?
Мастер-ткацкий станок: Создавайте и делитесь профессиональными видео с помощью ИИСодержаниеВведение в LoomДоступ к LoomВарианты записиПолный экранОкноКамераАудио и качество звукаРедактирование и настройкаВарианты фонаРедактирование видеоДо
Рекомендации по связанным специальным темам
Комментарии (0)
Компания Mingshi Intelligence в партнерстве с Университетом Цинхуа и сообществом OpenBMB официально перевела в открытый доступ BitCPM-CANN — первую в Китае крупную языковую модель, обученную на платформе Ascend компании Huawei. Благодаря использованию тройной (1,58-битовой) квантизации этот прорыв способствует развитию технологий обучения с низким битовым разрешением и становится важной вехой для экосистемы искусственного интеллекта Китая.
BitCPM-CANN демонстрирует высокую производительность отечественной вычислительной инфраструктуры, создавая полностью нативный конвейер разработки — от операторов квантования до алгоритмов обучения. Модель доступна в вариантах объёмом 0,5 млрд, 1 млрд, 3 млрд и 8 млрд параметров и превосходит по производительности полноразрядные модели MiniCPM4 аналогичного размера. Примечательно, что она примерно в шесть раз сокращает использование памяти при инференсе, обеспечивая плавную работу моделей с 8B параметров на популярных флагманских смартфонах и предлагая существенные преимущества для мобильной индустрии.

Опираясь на технологии MindSpeed и Megatron-LM, компания Mingshi Intelligence создала комплексную платформу для обучения с низкой разрядностью. Эта инфраструктура поддерживает адаптацию к среде, обработку длинных последовательностей длиной 32K, стратегии параллелизма и интегрированные операторы. Предоставляя эту общедоступную основу для всего обучения с низкой разрядностью на базе Ascend, компания снижает барьеры для разработки и ускоряет технологическую итерацию.

Для содействия более широкому внедрению все веса модели BitCPM-CANN доступны в открытом доступе через HuggingFace и ModelScope. Эта инициатива вооружает разработчиков мощными инструментами, стимулируя создание инновационных приложений во всех сферах искусственного интеллекта.
В заключение можно сказать, что BitCPM-CANN представляет собой важнейший прорыв в возможностях Китая по обучению крупных моделей ИИ, закладывая прочную основу для будущих интеллектуальных приложений.
Meta присоединяется к TSMC и Micron для оснащения новых серверов старой памятью
По мере ускорения внедрения искусственного интеллекта во всем мире наблюдается острый дефицит памяти следующего поколения DDR5. Чтобы избежать задержек в развертывании центров обработки данных для ИИ, Meta заключила партнерство с ведущими отраслевыми
Как базы данных временных рядов обеспечивают обработку данных робототехники в реальном времени
Дуг Паджутти из Tiger Data.Паджутти работает в качестве промышленного разработчика-адвоката в Tiger Data, поддерживая команды в создании реальных промышленных систем.Имея более 12 лет опыта в нефтегазовой отрасли и автоматизации производства, он рабо
Как оптимизировать SEO для Google Japan и Yahoo Japan?
Мастер-ткацкий станок: Создавайте и делитесь профессиональными видео с помощью ИИСодержаниеВведение в LoomДоступ к LoomВарианты записиПолный экранОкноКамераАудио и качество звукаРедактирование и настройкаВарианты фонаРедактирование видеоДо











