中电信人工智能 – mylogs.cn https://mylogs.cn 发现、记录、分享 Sun, 11 Oct 2026 21:32:38 +0000 zh-Hans hourly 1 国产时序基础模型登顶国际双榜，华为七曜跻身全球第一梯队 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e6%97%b6%e5%ba%8f%e5%9f%ba%e7%a1%80%e6%a8%a1%e5%9e%8b%e7%99%bb%e9%a1%b6%e5%9b%bd%e9%99%85%e5%8f%8c%e6%a6%9c%ef%bc%8c%e5%8d%8e%e4%b8%ba%e4%b8%83%e6%9b%9c%e8%b7%bb%e8%ba%ab%e5%85%a8/ Sun, 11 Oct 2026 21:32:38 +0000 https://mylogs.cn/%e5%9b%bd%e4%ba%a7%e6%97%b6%e5%ba%8f%e5%9f%ba%e7%a1%80%e6%a8%a1%e5%9e%8b%e7%99%bb%e9%a1%b6%e5%9b%bd%e9%99%85%e5%8f%8c%e6%a6%9c%ef%bc%8c%e5%8d%8e%e4%b8%ba%e4%b8%83%e6%9b%9c%e8%b7%bb%e8%ba%ab%e5%85%a8/ IT之家 10 月 11 日消息，据华为云官方披露，华为与华东师范大学联合团队研发的昇腾原生时序预训练模型“七曜”近日成功登顶 TIME-leaderboard 与 GIFT-Eval（Pretrained 类目）两项国际权威时序评测榜单。

联合团队与模型定位

此次突破由华为云行业大模型团队、2012 应用场景创新实验室、小巧灵突击队与华东师范大学联合团队共同完成。时序基础模型是人工智能赋能气象预测、能源调度、工业运维、金融分析等核心场景的关键技术底座，也是当前 AI 基础研究与产业落地的核心赛道之一。

研发团队基于华为昇腾生态，对模型的训练与推理进行了深度优化，最终形成一套高精度、高鲁棒性、高通用性且易于工程化的通用时序基础模型底座。

登顶双榜意味着什么

在顶级模型扎堆的 TIME-leaderboard 与 GIFT-Eval 榜单中，“七曜”模型脱颖而出、成功登顶。华为云方面表示，这标志着中国时序基础模型正式跻身全球第一梯队，完成了从跟跑到赶超的跨越式突破。

TIME 与 GIFT-Eval 时序评测榜单截图
图片来源：IT之家
七曜模型登顶榜单示意
图片来源：IT之家

落地场景与自主可控

据介绍，该模型既可直接用于各类零样本时序预测任务，适配电网负荷研判、工业设备异常时序检测、金融趋势分析等核心场景；也支持低成本二次微调，快速适配各垂直行业的定制化需求，兼顾算力效率与高自主模型知识产权。

随着产业对时序智能的需求持续升温，国产时序基础模型的这一进展，有望为能源、制造、金融等领域的智能化升级提供更自主可控的技术底座。

]]> VRChat 更新创作者指南：禁用人工智能生成误导性缩略图 https://mylogs.cn/vrchat-%e6%9b%b4%e6%96%b0%e5%88%9b%e4%bd%9c%e8%80%85%e6%8c%87%e5%8d%97%ef%bc%9a%e7%a6%81%e7%94%a8%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e7%94%9f%e6%88%90%e8%af%af%e5%af%bc%e6%80%a7%e7%bc%a9%e7%95%a5/ Sun, 11 Oct 2026 17:14:00 +0000 https://mylogs.cn/vrchat-%e6%9b%b4%e6%96%b0%e5%88%9b%e4%bd%9c%e8%80%85%e6%8c%87%e5%8d%97%ef%bc%9a%e7%a6%81%e7%94%a8%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e7%94%9f%e6%88%90%e8%af%af%e5%af%bc%e6%80%a7%e7%bc%a9%e7%95%a5/ 虚拟现实社交平台 VRChat 于 10 月 7 日公布了针对人工智能生成内容的应对方针，并同步更新创作者指南。官方明确禁止使用人工智能生成的误导性地图或角色缩略图，防止创作者用与实际内容完全不符的图片吸引玩家点击。

VRChat 平台创作内容示意
图片来源：IT之家

平台价值与人工智能的两难

VRChat 在声明中重申，平台一直将”自由表达””人类无限的创造力”以及”人与人之间的联系”视为核心价值。官方承认，人工智能技术确实提升了开发者的效率，但也在另一方面催生了大量低质量内容。事实上，在人工智能普及之前，平台上就已经存在一批低质量的地图与角色，而人工智能的出现进一步降低了批量制作和发布内容的门槛，使大量低劣作品涌入平台，优质内容反而更容易被淹没。

团队内部对人工智能看法分歧

VRChat 透露，公司内部团队对于人工智能的态度同样存在分歧。一部分员工会利用人工智能来自动化工作流程，或弥补自身知识短板；另一些员工则对人工智能持有较深的疑虑。近期，VRChat 网站还发生了一起意外事件：原本用于页面布局的人工智能占位符美术素材被错误地放到了正式上线的网页中，导致平台口碑下滑。

“人工智能标签”制度尚未拍板

针对玩家高度关注的”人工智能标签”声明，VRChat 表示，尽管这类声明能够帮助玩家快速辨别哪些项目使用了人工智能，但目前内部团队尚未达成共识。因此，VRChat 对推出人工智能标签制度持开放态度，但并未承诺一定会实施。

后续将上线内容反馈机制

除了人工智能相关政策，VRChat 还计划在游戏内加入更加便捷的内容反馈机制，让用户能够直接表达自己喜欢或不喜欢某项内容，便于官方筛选出低质量内容，并逐步改善推荐系统。

]]> 星辰 Xing4.0-29B 开源：29B 大模型激活仅 4B https://mylogs.cn/%e6%98%9f%e8%be%b0-xing4-0-29b-%e5%bc%80%e6%ba%90%ef%bc%9a29b-%e5%a4%a7%e6%a8%a1%e5%9e%8b%e6%bf%80%e6%b4%bb%e4%bb%85-4b/ Sun, 20 Sep 2026 05:13:15 +0000 https://mylogs.cn/%e6%98%9f%e8%be%b0-xing4-0-29b-%e5%bc%80%e6%ba%90%ef%bc%9a29b-%e5%a4%a7%e6%a8%a1%e5%9e%8b%e6%bf%80%e6%b4%bb%e4%bb%85-4b/ 中国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、工具调用与自主执行等能力，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，定位为面向智能体时代的轻量级代码智能体大模型。

星辰 Xing4.0-29B 模型概念图
图片来源：IT之家

架构：29B 总参数，仅激活 4B

Xing4.0-29B-A4B 采用混合专家（MoE）架构，总参数 29B，每令牌仅激活约 4B 参数，由 64 个路由专家加 1 个共享专家组成，每令牌选择 4 个路由专家参与计算。模型原生支持 256K 上下文，并可扩展至 512K。在评测表现上，其在 SWE-bench Verified 上取得 75.0 分，接近 Qwen3.6-35B-A3B 的 76.0 分，并超过 Gemma4-26B-A4B 的 53.0 分；在 Terminal-Bench 2.1 上取得 57.5 分，同样高于 Qwen3.6-35B-A3B 的 51.5 分；在 SuperCLUE 智能体能力评测中以 93.52 分位列第三。

全栈国产训练链路

据介绍，该模型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。在昇腾超节点集群上，通过多层次软硬件协同优化，训练吞吐较开箱性能提升约 96%。经过 4 比特量化后，模型显存占用可降至 15GB，使用 RTX 3090、RTX 4090 等 24GB 显存的消费级显卡即可本地运行长上下文任务。

开源与生态适配

Xing4.0-29B-A4B 以 Apache 2.0 协议开源，权重已上线 GitHub、HuggingFace、Gitee、魔搭与魔乐五个开源社区。在工具链方面，模型兼容 SGLang、vLLM、KTransformers 等推理框架，并支持 LLaMA-Factory 与 MindFormers 微调；同时针对 OpenCode、Claude Code、OpenClaw、Hermes 等开发工具做了定向适配，开发者可将其无缝接入现有工作流。华为方面表示，昇腾目前已支持 40 余个业界头部模型完成原生训练。

]]> 星辰 Xing4.0-29B 发布：全栈国产代码智能体大模型 https://mylogs.cn/%e6%98%9f%e8%be%b0-xing4-0-29b-%e5%8f%91%e5%b8%83%ef%bc%9a%e5%85%a8%e6%a0%88%e5%9b%bd%e4%ba%a7%e4%bb%a3%e7%a0%81%e6%99%ba%e8%83%bd%e4%bd%93%e5%a4%a7%e6%a8%a1%e5%9e%8b/ Sun, 20 Sep 2026 03:02:19 +0000 https://mylogs.cn/%e6%98%9f%e8%be%b0-xing4-0-29b-%e5%8f%91%e5%b8%83%ef%bc%9a%e5%85%a8%e6%a0%88%e5%9b%bd%e4%ba%a7%e4%bb%a3%e7%a0%81%e6%99%ba%e8%83%bd%e4%bd%93%e5%a4%a7%e6%a8%a1%e5%9e%8b/ 星辰 Xing4.0-29B 发布

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。据 IT之家报道，该模型聚焦复杂任务理解、任务规划、工具调用与自主执行等能力，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，是面向智能体（Agent）时代的轻量级代码智能体大模型。

全栈国产训练链路

华为官方介绍，Xing4.0-29B-A4B 总参数量 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级大模型，并面向复杂工程任务做了深度优化。
模型采用新一代架构设计，进一步提升长程任务处理与多步骤执行能力，能够根据用户给出的目标自主规划任务路径、调用工具并完成复杂任务。

架构与训练细节

在架构层面，模型专为长程 Agent 任务设计：MLA 多头潜变量注意力用于压缩 KV 缓存；MTP 多 Token 预测增强生成连贯性；mHC 流形约束超连接用于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，序列长度从 4K 逐步扩展至 32K、128K、256K，系统性构建长程能力。

工程优化方面，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约 96%，接近翻倍：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 路由专家、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%。
此外，模型基于昇腾生态完成了 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，并通过 MOPD 技术实现多专家能力的高效融合。

评测表现与落地门槛

在落地门槛上，模型原生支持 256K 上下文，可扩展至 512K；4-bit 量化后显存占用降至 15GB（较 FP16 节省约 75%），意味着 RTX 3090、RTX 4090 等 24GB 显存的消费级显卡即可本地运行长上下文任务。

评测成绩单显示：SWE-bench Verified 达到 75.0，接近 Qwen3.6-35B-A3B 的 76.0，超过 Gemma4-26B-A4B 的 53.0；Terminal-Bench 2.1 为 57.5，超过 Qwen3.6-35B-A3B 的 51.5；SuperCLUE 智能体能力 93.52，位列第 3，与两款头部 Qwen 模型差距不足 1 分。

全面开源

目前模型权重已上线 GitHub、HuggingFace、魔搭（ModelScope）、Gitee、魔乐（Modelers）五个开源社区，采用 Apache 2.0 许可。模型兼容 SGLang、vLLM、KTransformers 推理框架，以及 LLaMA-Factory、MindFormers 微调工具，并对 OpenCode、Claude Code、OpenClaw、Hermes 等智能体框架做了定向适配。

据华为方面披露，昇腾已支持 40 多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。Xing4.0-29B-A4B 以「总参 29B、激活仅 4B」的轻量化设计，把大模型私有化部署的门槛从「先买一台服务器」降到了「用你手边的显卡」，为开发者、政企与中小企业提供了一条自主可控的代码智能体落地路径。

]]>