简介

---

MindSpeed LLM：基于昇腾生态的大语言模型分布式训练套件，旨在为华为 昇腾芯片 生态合作伙伴提供端到端的大语言模型训练方案，包含分布式预训练、分布式指令微调以及对应的开发工具链，如：数据预处理、权重转换、在线推理、基线评估等。

注意 : 原仓名ModelLink更改为MindSpeed LLM，原包名modellink更改为mindspeed_llm

未来规划

---

未来规划会刷新在MindSpeed LLM RoadMap中，欢迎访问LLM最新规划动态。

加入我们

---

为了交流开发经验、分享使用心得、及时获取项目更新，我们创建了MindSpeed LLM社区交流群。无论你是正在使用这个项目，还是有奇思妙想，都欢迎加入。

加入方式：

1. 直接扫码加入微信交流群（二维码7天有效，定期更新）
2. 添加昇腾开源小助手，获取群链接，进入MindSpeed LLM社区交流群

最新消息

---

• [Jan. 16, 2026]: 🌴 MindSpeed LLM发布v2.3.0分支，支持core_v0.12.1版本

• [Dec. 24, 2025]: 🚀 GPT-OSS 模型支持 【Prototype】

• [Dec. 11, 2025]: 🚀 Qwen3-Next 模型训练支持triton融合加速GDN模块计算 【Prototype】

• [Nov. 25, 2025]: 🚀 数据/权重在线加载训练【Prototype】

• [Nov. 14, 2025]: 🚀 magistral 模型支持 【Prototype】

• [Oct. 30, 2025]: 🚀 MindSpeed LLM 模型下架夕阳计划 启动，感谢每一份曾经的贡献

• [Oct. 28, 2025]: 🌴 MindSpeed LLM发布v2.2.0分支，支持core_v0.12.1版本

• [Oct. 16, 2025]: 🚀 Qwen3-30B支持DPO训练

• [Oct. 14, 2025]: 🚀 DeepSeek-V3预训练已支持基于 MindSpore AI框架 运行

• [Oct. 22, 2025]: 🚀 Ling mini v2 模型支持, 暂不支持mtp

• [Sep. 16, 2025]: 🚀 Qwen3-Next 模型支持 【Prototype】

• [Aug. 23, 2025]: 🚀 大参数模型权重转换v2优化版本上线

• [Jul. 28, 2025]: 🚀 glm4.5-moe 系列模型同步首发支持

• [Jul. 25, 2025]: 🌴 MindSpeed LLM发布v2.1.0分支，支持core_r0.8.0版本

• [Jul. 10, 2025]: 🚀 DeepSeek-R1 系列功能逐步上线

• [May. 19, 2025]: 🚀 Qwen3 系列模型同步首发支持

• [Mar. 27, 2025]: 🚀 DeepSeek-R1-ZERO Qwen-7B DeepSeek-R1-ZERO Qwen-32B

• [Mar. 26, 2025]: 🚀 DeepSeek-V3-671B模型全家桶 上线

注意：【Prototype】表示特性未经过充分验证，若使用存在问题请至issue反馈。

版本说明

---

MindSpeed LLM支持Atlas 800T A2等昇腾训练硬件形态，软件版本配套表如下：

MindSpeed LLM版本	MindSpeed版本	Megatron版本	PyTorch版本	torch_npu版本	CANN版本	Python版本
master（主线）	master	core_v0.12.1	2.7.1	在研版本	在研版本	Python3.10
2.3.0（商用）	2.3.0_core_r0.12.1	core_v0.12.1	2.7.1	7.3.0	8.5.0	Python3.10
2.2.0（商用）	2.2.0_core_r0.12.1	core_v0.12.1	2.7.1	7.2.0	8.3.RC1	Python3.10
2.1.0（商用）	2.1.0_core_r0.8.0	core_r0.8.0	2.1.0, 2.6.0	7.1.0	8.2.RC1	Python3.8, Python3.10

安装

---

MindSpeed LLM具体的安装步骤请参考安装指导。

快速上手

---

MindSpeed LLM将以Qwen2.5-7B模型为例，指导开发者完成Qwen2.5-7B大语言模型的预训练任务，具体的操作请参考快速入门。

预置模型

---

MindSpeed LLM目前已内置支持百余个业界常用LLM大模型的预训练与微调，预置模型清单详见下表。

模型类别	模型列表
稠密模型	Dense
MOE模型	MOE
SSM模型	SSM

训练方案与特性

---

MindSpeed LLM包含分布式预训练、分布式微调等训练方案。

分布式预训练

基于MindSpeed LLM的实测预训练性能如下：

模型系列	实验模型	硬件信息	集群规模	MFU
LLAMA2	LLAMA2-7B	Atlas 900 A2 PODc	1x8	69.0%
	LLAMA2-13B	Atlas 900 A2 PODc	1x8	64.7%
	LLAMA2-70B	Atlas 900 A2 PODc	4x8	44.1%
Mixtral	Mixtral-8x7B	Atlas 900 A2 PODc	8x8	31.7%

预训练方案

方案类别	Mcore	Released	贡献方
多样本集预训练	✅	✅	【Ascend】
多样本pack模式预训练	✅	❌

加速特性

场景	特性名称	Mcore	Released	贡献方
SPTD并行	张量并行	✅	✅	【Ascend】
	流水线并行	✅	✅
	虚拟流水并行	✅	✅
	序列并行	✅	✅
	noop layers	✅	✅
长序列并行	Ascend Ring Attention 长序列并行	✅	✅
	Ulysses 长序列并行	✅	✅
	混合长序列并行	✅	✅
MOE	MOE 专家并行	✅	✅
	MOE 重排通信优化	✅	✅
显存优化	参数副本复用	✅	✅
	分布式优化器	✅	✅
	Swap Attention	✅	✅
	重计算	✅	✅
	Norm重计算	✅	✅
	O2 BF16 Optimizer	✅	❌
融合算子	Flash attention	✅	✅
	Flash attention variable length	✅	✅
	Fused rmsnorm	✅	✅
	Fused swiglu	✅	✅
	Fused rotary position embedding	✅	✅
	GMM	✅	✅
	Matmul Add	✅	✅
通信优化	梯度reduce通算掩盖	✅	✅
	Recompute in advance	✅	✅
	权重all-gather通算掩盖	✅	✅
	MC2	✅	❌
	CoC	✅	❌
	Ascend Gloo 存档落盘优化	✅	✅

分布式微调

基于MindSpeed LLM的实测指令微调性能如下：

模型	硬件	集群	方案	序列	性能	MFU
Llama2-7B	Atlas 900 A2 PODc	1x8	全参	dynamic	15.87 samples/s	-
			全参	16K	1.14 samples/s	37.4%
			全参	32K	0.51 samples/s	48.4%
Llama2-13B	Atlas 900 A2 PODc	1x8	全参	dynamic	50.4 samples/s	-
Llama2-70B	Atlas 900 A2 PODc	1x8	LoRA	dynamic	15.2 samples/s	-

微调方案

方案名称	Mcore	LoRA	QLoRA	Released	贡献方
单样本微调	✅	✅	✅	✅	【Ascend】
多样本pack微调	✅	✅	❌	❌	【NAIE】
多轮对话微调	✅	✅	❌	❌	【Ascend】

加速特性

场景	特性	Mcore	Released	贡献方
LoRA微调	CCLoRA	✅	✅	【Ascend】
QLoRA微调	CCLoRA	❌	❌	【NAIE】
长序列微调	长序列CP	✅	❌	【Ascend】

在线推理

---

特性	Mcore	Released	贡献方
流式推理	✅	✅	【NAIE】
Chat对话	✅	✅	【NAIE】
yarn上下文扩展	✅	❌	【Ascend】

开源数据集评测

---

仓库模型基线见开源数据集评测基线

场景	数据集	Mcore	Released	贡献方
评测	MMLU	✅	❌	【NAIE】
	CEval	✅	❌	【NAIE】
	BoolQ	✅	❌	【NAIE】
	BBH	✅	❌	【NAIE】
	AGIEval	✅	❌	【NAIE】
	HumanEval	✅	❌	【NAIE】

开发工具链

---

权重转换

MindSpeed LLM支持Huggingface、Megatron-core两种格式的权重互转，支持LoRA权重合并。权重转换特性参数和使用说明参考权重转换。

源格式	目标格式	切分特性	LoRA	贡献方	Released
Huggingface	Megatron-core	tp、pp、dpp、vpp、cp、ep、loop layer	❌	【Ascend】	❌
Megatron-core	Huggingface		✅
	Megatron-core	tp、pp、dpp、vpp、cp、ep、loop layer	✅

数据预处理

MindSpeed LLM支持预训练、指令微调等多种任务的数据预处理。

任务场景	数据集	Mcore	Released	贡献方
预训练	预训练数据处理	✅	✅	【Ascend】
微调	Alpaca风格	✅	✅
	ShareGPT风格	✅	✅

性能采集

场景	特性	Mcore	Released	贡献方
性能采集	基于昇腾芯片采集 profiling 数据	✅	❌	【Ascend】

高可用性

场景	特性	Mcore	Released	贡献方
高可用性	基于昇腾芯片开启确定性计算	✅	❌	【Ascend】

版本维护策略

---

MindSpeed LLM版本有以下五个维护阶段：

状态	时间	说明
计划	1—3 个月	计划特性
开发	3 个月	开发特性
维护	6-12 个月	合入所有已解决的问题并发布版本，针对不同的MindSpeed LLM版本采取不同的维护策略，常规版本和长期支持版本维护周期分别为6个月和12个月
无维护	0—3 个月	合入所有已解决的问题，无专职维护人员，无版本发布
生命周期终止（EOL）	N/A	分支不再接受任何修改

MindSpeed LLM已发布版本维护策略：

MindSpeed LLM版本	对应标签	维护策略	当前状态	发布时间	后续状态	EOL日期
2.3.0	v2.3.0	常规版本	维护	2025/12/30	预计2026/6/30起无维护
2.2.0	v2.2.0	常规版本	维护	2025/9/30	预计2026/3/30起无维护
2.1.0	v2.1.0	常规版本	维护	2025/6/30	预计2025/12/30起无维护
2.0.0	v2.0.0	常规版本	EOL	2025/3/30	生命周期终止	2025/9/30
1.0.0	v1.0.0	常规版本	EOL	2024/12/30	生命周期终止	2025/6/30
1.0.RC3	v1.0.RC3.0	常规版本	EOL	2024/09/30	生命周期终止	2025/3/30
1.0.RC2	v1.0.RC2.0	常规版本	EOL	2024/06/30	生命周期终止	2024/12/30
1.0.RC1	v1.0.RC1.0	常规版本	EOL	2024/03/30	生命周期终止	2024/9/30
bk_origin_23	\	Demo	EOL	2023	生命周期终止	2024/6/30

致谢

---

MindSpeed LLM由华为公司的下列部门以及昇腾生态合作伙伴联合贡献 ：

华为公司：

• 计算产品线：Ascend
• 公共开发部：NAIE
• 全球技术服务部：GTS
• 华为云计算：Cloud

生态合作伙伴：

• 移动云（China Mobile Cloud）：大云震泽智算平台
• 工商银行软件开发中心大数据人工智能实验室

感谢来自社区的每一个PR，欢迎贡献 MindSpeed LLM。

安全声明

---

MindSpeed LLM安全声明

免责声明

---

致MindSpeed LLM使用者

1. MindSpeed LLM提供的模型仅供您用于非商业目的。
2. MindSpeed LLM功能依赖的Megatron等第三方开源软件，均由第三方社区提供和维护，因第三方开源软件导致的问题修复依赖相关社区的贡献和反馈。您应理解，MindSpeed LLM仓库不保证对第三方开源软件本身的问题进行修复，也不保证会测试、纠正所有第三方开源软件的漏洞和错误。
3. 对于各模型，MindSpeed LLM平台仅提示性地向您建议可用于训练的数据集，华为不提供任何数据集，如您使用这些数据集进行训练，请您特别注意应遵守对应数据集的License，如您因使用数据集而产生侵权纠纷，华为不承担任何责任。
4. 如您在使用MindSpeed LLM模型过程中，发现任何问题（包括但不限于功能问题、合规问题），请在Gitcode提交issue，我们将及时审视并解决。

致数据集所有者

如果您不希望您的数据集在MindSpeed LLM中的模型被提及，或希望更新MindSpeed LLM中的模型关于您的数据集的描述，请在Gitcode提交issue，我们将根据您的issue要求删除或更新您的数据集描述。衷心感谢您对MindSpeed LLM的理解和贡献。

License声明

Ascend MindSpeed LLM提供的模型，如模型目录下存在License的，以该License为准。如模型目录下不存在License的，以Apache 2.0许可证许可，对应许可证文本可查阅Ascend MindSpeed LLM根目录。