**Página principal** Últimas noticias y informes

Noticias**

Xing 4: Mejora de los modelos de lenguaje grande en chips nacionales Ascend**

El laboratorio de AGI de Xingchen presenta Xing 4, un modelo de IA con 285 mil millones de parámetros que utiliza chips Ascend 910C y MindSpore para tareas de razonamiento avanzado y autónomo.**

Xing 4: Advancing Large Language Models on Domestic Ascend Chips

En este artículo**

El laboratorio de AGI de Xingchen ha presentado Xing 4, una serie revolucionaria de modelos de lenguaje grande (LLMs) que continúa la línea de desarrollo de TeleChat. La investigación, publicada el 17 de noviembre de 2026 en arXiv (2611.22115), destaca avances significativos en la arquitectura del modelo y la infraestructura de entrenamiento, especialmente adaptados para los chips nacionales Ascend 910C.**

Innovaciones técnicas clave**

Xing 4 se basa en una arquitectura con 285 mil millones de parámetros y se entrena utilizando MindSpore HyperParallel, un marco optimizado para el entrenamiento distribuido a gran escala. La infraestructura incorpora técnicas de particionamiento híbrido sensible a la topología, una ejecución de optimizadores distribuidos eficiente y una afinidad entre la CPU y los núcleos del procesador para minimizar las interferencias en el planificación. Estas optimizaciones permiten el uso de 8,192 tarjetas Ascend 910C, logrando un entrenamiento previo eficiente para cargas de trabajo de largas secuencias y una gestión eficaz de la memoria de activación.**

La arquitectura del modelo equilibra la activación dispersa, el diseño de las mecanismos de atención y los procesos de decodificación para optimizar la eficiencia computacional y de memoria.Una topología de tipo “mezcla de expertos” (Mixed-of-Experts, MoE), combinada con cabezas de corrección de bajo consumo de recursos, mejora el rendimiento del decodificación especulativa. Este enfoque respalda una amplia gama de tareas de razonamiento y de actuación, manteniendo al mismo tiempo la estabilidad de ejecución en escenarios con contextos extensos.

Para el entrenamiento posterior, los investigadores desarrollaron TeleGym, una plataforma unificada para la ejecución de agentes. TeleGym integra la ejecución, la evaluación y la construcción de trayectorias con la optimización de políticas. Características como la ejecución asincrónica desagregada, el sobremuestreo acotado y el despliegue parcial permiten a la plataforma manejar duraciones de tareas heterogéneas, manteniendo al mismo tiempo la continuidad de las trayectorias a lo largo de las actualizaciones de las políticas.

Las implicaciones de estos avances para el desarrollo de la IA a nivel nacional son de gran importancia. Xing 4 representa un paso significativo hacia el aprovechamiento del hardware nacional para aplicaciones de IA avanzadas. Al optimizar el uso de las unidades de procesamiento neuronal (NPUs) Ascend, la investigación proporciona una base escalable y eficiente para el desarrollo futuro de modelos de lenguaje grande (Large Language Models, LLM), especialmente en escenarios que requieren razonamiento complejo y planificación multi-etapa. El código fuente del modelo MoE, que consta de 29 mil millones de parámetros, subraya aún más el compromiso del proyecto por avanzar la comunidad de IA.

Inicie sesión para guardar este artículo Cuenta gratuita: cree su colección de investigación y vuelva a leerlo en cualquier momento.