openPangu-Ultra-MoE-718B — 718-параметрова MoE-модель з високою точністю на тестах
openPangu-Ultra-MoE-718B — це MoE-модель з 718 млрд параметрів, навчена на 19 трлн токенів. Вона досягла 91,06% на C-Eval та 97,40% на MATH-500 і може розгортатися на апаратному забезпеченні Ascend NPU.
🔬 Цікаво для досліджень, але не для продакшену. Модель доступна як опенсорс, проте без готового деплою, підтримки або ціни — компанія на 10-50 людей не зможе її впровадити без значних інвестицій у інфраструктуру та фахівців.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Модель має 718 млрд параметрів типу MoE
- •Навчена на 19 трлн токенів
- •Досягла 91,06% на C-Eval та 97,40% на MATH-500
- •Придатна до розгортання на апаратному забезпеченні Ascend NPU
- •Ліцензія та доступ ваг не розкриті
Як це змінить ваш ринок?
Для промисловості та кібербезпеки такий масштаб опенсорсних моделей може зменшити залежність від закритих API у довгостроковій перспективі, проте без інструментів для інтеграції це залишається дослідженням, а не рішенням для бізнесу.
Для кого це і за яких умов
718B: потребує кластер GPU з пам’яттю >1TB або спеціалізованих ацелераторів типу Ascend NPU, команда ML-інженерів, бюджет >$100K на інфраструктуру, термін впровадження — 3+ місяці. Непридатно для компаній без досвіду з великими моделями.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| openPangu-Ultra-MoE-718B | дані не розкриті | Ascend NPU / GPU кластер | >1TB RAM, ML-команда | Опенсорс, але без ваг у публічному доступі |
| NVIDIA Nemotron 4 340B | дані не розкриті | H100 кластер | 8x H100 80GB | Комерційна підтримка, оптимізована під NVIDIA |
| Llama 3 405B | безкоштовно (мета) | GPU кластер | 8x H100 80GB | Офіційний опенсорс з вагами та документацією |
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live