新突破！国产算力成功完成万亿级大模型全参数训练

6月9日消息，据媒体报道，日前，

仅用一个月时间，项目团队便基于昇腾910C国产算力集群，成功实现DeepSeek-V4-Pro的全参数续训练与SFT（监督微调）稳定运行。训练累计完成超过1500步，模型训练MFU（模型算力利用率）超过30%，关键训练算子效率提升约14%。

DeepSeek-V4-Pro是一款拥有1.6万亿参数的MoE（混合专家）开源旗舰模型，采用了CSA+HCA混合稀疏注意力、mHC连接等创新机制。相比上一代DeepSeek-V3/R1，它对国产训练框架提出了全方位的“极限挑战”。

经过联合攻关，项目已在千卡级昇腾910C国产算力集群上实现了DeepSeek-V4-Pro全参数后训练的稳定运行。

模型迭代超过1500步，全程无迭代跳过或NaN异常。关键训练算子效率较初始版本提升约14%，最终MFU稳定达到34.9%，单步训练时间稳定在27秒。团队同步打通了DeepSeek‑V4‑Flash的全参数续训练与SFT完整链路。

本次成果并非单次演示，而是具备可复现、可工程化交付的万亿级MoE模型国产算力稳定训练能力。项目已完成工业级自动化运筹建模场景的闭环验证，证明国产算力能够在短周期、低成本下完成行业大模型的专项增强训练。

技术层面，项目实现了三大突破：一是成功构建了覆盖权重、梯度、激活、优化器状态的分布式承载方案，实现数据并行、张量并行、流水并行与专家并行的协同工作；二是优化了MoE路由与稀疏注意力算子，建立了专家负载均衡机制，有效缓解通信拥堵与负载失衡；三是构建了全指标可视化的长稳监控体系，在多日连续训练中未出现一次Loss失控或NaN值。

在能力验证环节，项目设计了一项“硬核”实验——增强大模型的数学建模能力。团队搭建了一条SFT建模数据生产工作流，产出3000条高质量数学建模任务SFT样本，覆盖4类目标任务与3种问题形态。

训练结果显示：模型LM Loss收敛至0.2056，MTP 1 Loss收敛至0.2538，梯度曲线平稳。