华为开源盘古 2.0 预训练、SFT 与 RL 代码：Apache-2.0，能直接跑的配置只到 92B 档

先说结论

• 这次放出的是两条训练链路。 openPangu-2.0-Training 覆盖从零预训练、基于已有 checkpoint 的继续训练与 SFT；openPangu-2.0-RL 是后训练用的强化学习框架，以开源项目 VERL 作为编排内核。67
• 代码与权重的许可分开。 两个代码仓都是 Apache-2.0；模型权重按 OPENPANGU MODEL LICENSE AGREEMENT VERSION 2.0 授权，要在商业产品里用权重，看的是后面这一份。78
• 能直接跑的配置只到 92B 档。 训练仓的 Model Zoo 只有两份配置，92B/6B 与一份 17.36B/1.75B 的样例；RL 仓的端到端示例目录是 pangu92b。67
• 门槛在硬件与软件栈。 训练仓写明配套 CANN 8.5.1、PyTorch 2.9.0、torch_npu 2.9.0、Python 3.11.x、triton-ascend 3.2.1，这套组合面向昇腾 NPU；RL 侧还要容器镜像、Ray 集群与 Ansible 部署脚本。67
• 只想用模型的话可以跳过这两个仓库。 权重在 Hugging Face、ModelScope 与 GitCode 都能下载，华为云 MaaS 的预置服务也可以直接调，模型名就是 openpangu-2.0-pro。91011
• 评测目前只有华为自测。 官方给出 Pro 的 Thinking 与 Non-Thinking 两档分数，对照对象只有 openPangu 自家变体；Artificial Analysis 的开源模型对比页与 OpenRouter 的模型目录至今没有盘古条目。81213

快速核对

这一批是怎么凑齐的

两个仓库分别给了什么

训练仓：预训练与 SFT 放在同一个入口下

RL 仓：以 VERL 为内核，不给 VERL 开分支

能跑到多大

现在开源的这套模型长什么样

华为自己的评测

只想用模型，不碰训练

该不该试：三条能自己核对的判断

• 手上有昇腾集群、又要做后训练，这是目前唯一一份官方给的 openPangu GSPO/GRPO 参考实现。 仓库把怎么在昇腾上接 VERL、怎么组织多轮 rollout、规则奖励怎么接这几步写成了可跑脚本，端到端示例就在 pangu92b 目录里。7
• 想复现 505B 的预训练，先确认手上有没有对应的配置。 这次给出的两档配置是 92B/6B 与 17.36B/1.75B，按 505B 那份配方走要自己补 YAML，这一版没有给出可直接运行的对应配置。6
• 只想把模型接进产品，这两个仓库与你的接入路径无关。 权重可以直接下载部署，华为云 MaaS 也能直接调用，训练代码在这里的价值是让你看清官方怎么做预训练与后训练对齐。911

还没有的数字

• 第三方独立评测。 Artificial Analysis 的开源模型对比页与 OpenRouter 的模型目录都没有盘古条目，所以本频道的「benchmark 表现」一栏目前只有华为自测的 Thinking 与 Non-Thinking 分数。1213
• 505B 档的可跑预训练配置。 训练仓的 Model Zoo 停在 92B/6B 与 17.36B/1.75B。6
• Flash 的完整分数对照。 模型卡只列了 Pro 的两档；Flash 的四档分数在技术报告的 Table 5 里，要下载 PDF 才能看到。816
• 仓库级的发布说明。 两个仓库各自只有一次初始提交，没有 tag 与变更日志，随代码放出的材料里也没有写复现训练需要的算力规模。45