2026年11月17日收录的Xing 4报告称,该系列延续TeleChat,在昇腾上协同推进模型架构与训练基础设施,覆盖架构选择、大规模预训练,以及推理与智能体后训练。摘要给出的具体设定是:285B参数模型在8192张昇腾910C上完成预训练。材料未提供能力评测或训练效率数字,以下只转述摘要中的设计与系统陈述。

架构权衡与预训练系统

作者研究稀疏激活、注意力设计、模型深度与宽度,以及推测解码,如何在模型容量与计算、访存、执行开销之间取得平衡。摘要没有给出最终深度、宽度、稀疏度或推测解码收益,不能把这些选项当成已公开的最优配方。预训练建在MindSpore HyperParallel上,含拓扑感知混合切分、高效分布式优化器,以及长序列与激活内存的协同管理;CPU亲和性与核隔离用于降低主机调度干扰。这些机制被用于支撑该285B预训练,但未披露切分、序列长度或利用率。

后训练平台TeleGym

后训练引入统一智能体执行平台TeleGym,把执行、评估和轨迹构建连接到策略优化。解耦异步执行、有界过采样和部分rollout,用来适应异构任务时长,并在策略更新之间保持轨迹连续。摘要没有说明任务集合、轨迹规模或算法对比。能够确认的是工程意图:智能体数据闭环被当作与预训练并列的系统问题,而不是事后附加的提示工程。

我的判断

价值在于把国产芯片、国产框架、超大预训练和智能体后训练写成同一条可核对路径,锚点是285B、8192张910C、MindSpore HyperParallel与TeleGym。它适合关心昇腾训练栈和智能体轨迹系统的读者;若要比较Xing 4与开源模型的能力,现有摘要不够。局限很清楚:效果、数据、最终架构和效率几乎留白,不宜外推为已达前沿。信息不足时,更稳妥的说法是路径已经跑通,能力边界仍待完整报告披露。