9 月 20 日消息，中电信人工智能科技有限公司于 9 月 17 日正式发布新一代星辰大模型 Xing4.0-29B-A4B。该模型聚焦复杂任务理解、任务规划、工具调用和自主执行等能力，支持长上下文处理，可应用于代码开发、数据分析、办公自动化及生活服务等场景。

华为中国官方昨晚宣布，Xing4.0-29B-A4B 总参数 29B，激活参数仅 4B，是国内首个基于昇腾 Atlas 900 A3 SuperPoD 液冷超节点与昇思 MindSpore 框架完成训练的百亿参数大模型，面向复杂工程任务进行了深度优化。

该模型采用新一代架构设计，进一步提升长程任务处理和多步骤执行能力，能够根据用户提出的目标自主规划任务路径、调用工具并完成复杂任务。

华为官方表示，模型的中高阶代码生成与智能体执行，是对长程上下文理解、复杂推理规划、工具调用协同的综合考验。华为团队与中电信团队紧密协同，从数据体系、模型架构、训练工程到强化学习，进行了系统性攻坚。

• 数据基座：围绕预训练与后训练全生命周期，建设涵盖数十万亿词元的数据体系。预训练阶段完成 PB 级多源异构数据清洗，引入海量智能体行为轨迹与结构化知识图谱。后训练阶段搭建高并发沙箱容器，构建端到端长程任务合成数据，并建立自动化校验机制保障数据正确性。

• 架构设计：专为长程 Agent 任务设计，MLA 多头潜变量注意力压缩 KV 缓存；MT 多 Token 预测增强生成连贯性；mHC 流形约束超连接解决训练数值不稳定的问题；Muon 与 QK-Clip 优化器保障训练稳定。训练采用分阶段递进策略，从 4K 逐步扩展至 32K/128K/256K 序列长度，系统性构建长程能力。

• 工程优化：Xing4.0-29B-A4B 在昇腾超节点集群上通过多层次软硬件协同优化实现训练性能提升 96%，近翻倍突破：基于 MindSpore 全栈适配 mHC 多残差连接与 DSA 长序列机制，针对细粒度 MoE（64 路由 / Top4 激活），通过专家负载均衡、Grouped GEMM、通信计算重叠及 DVM 图算融合，吞吐提升 32%；层级与算子级选择性重计算再提升 19%；自研 Ascend C mHC 融合算子解决 Sinkhorn 碎片化，计算效率提升 30%，整网吞吐再提升 25%。

• 多专家强化学习：基于昇腾生态完成 Slime 强化学习框架适配，面向 Agent、Coding、Reasoning 开展多专家强化学习训练，通过 MOPD 技术实现多专家能力高效融合，进一步提升复杂推理与智能体任务表现。

目前，昇腾已支持 40+ 个业界头部模型完成原生训练，也是国内唯一支持商用大规模预训练，并训练落地 SOTA 大模型的厂商。

付开源地址如下：

• GitHub：https://github.com/XingChen-AGI/Xing4.0-29B-A4B

• HuggingFace：https://huggingface.co/XingChen-AGI/Xing4.0-29B-A4B

• 魔搭：https://modelscope.cn/models/XingChen-AGI/Xing4.0-29B-A4B

• Gitee：https://gitee.com/xingchen-agi/xing4.0-29b-a4b

• 魔乐：https://modelers.cn/models/XingChen-AGI/Xing4.0-29B-A4B