以上數據集均使用了 \\boxed 指令控制模型輸出，通過嚴格的 rule-based verifier 精確判定模型輸出結果的正誤 文檔與學習成長 盤古大模型 盤古大模型 什么是盤古大模型 盤古NLP大模型能力與規(guī)格 盤古大模型快速入門 如何調用盤古大模型API 查看全部 AI Gallery百模千態(tài)社區(qū)
根據客戶行業(yè)場景數據，實現最優(yōu)算法推薦及結果輸出 提升開發(fā)效率、降低落地門檻 支持二次微調，實現領域知識累積，提供特征重要性等結果輔助分析能力 文檔與學習成長 盤古大模型 盤古大模型 什么是盤古大模型 盤古預測大模型能力與規(guī)格 盤古大模型快速入門 如何調用盤古大模型API 查看全部
盤古大模型 PanguLargeModels 盤古大模型 PanguLargeModels 盤古大模型是面向B端行業(yè)的大模型，包含L0中5類基礎大模型、L1行業(yè)大模型及L2場景模型三層架構 盤古大模型是面向B端行業(yè)的大模型，包含L0中5類基礎大模型、L1行業(yè)大模型及L2場景模型三層架構
自然語言處理體驗中心 自然語言處理 分詞 命名實體識別 文本相似度 關鍵詞抽取 事件抽取 文本摘要 詩歌生成 情感分析 屬性級情感分析 實體級情感分析 分詞 0/200 分詞標準 PKU標準 CTB標準 換一句 開始分析 分析結果 命名實體識別 0/200 換一句 開始分析 分析結果
支持公有云、混合云、邊緣多種形態(tài)，滿足不同需求 文檔與學習成長 盤古大模型 盤古大模型 什么是盤古大模型 盤古科學計算大模型能力與規(guī)格 盤古大模型用戶指南 如何調用盤古大模型API 查看全部 AI Gallery百模千態(tài)社區(qū) AI Gallery百模千態(tài)社區(qū) 優(yōu)質昇騰云AI模型專區(qū) 幾行代碼自由部署AI應用 豐富多樣的AI訓練數據集
生成的大模型，為其端到端仿真高效迭代提供強有力支撐。 文檔與學習成長 盤古大模型 盤古大模型 什么是盤古大模型 盤古多模態(tài)大模型能力與規(guī)格 用戶指南 如何調用盤古大模型API 查看全部 AI Gallery百模千態(tài)社區(qū) AI Gallery百模千態(tài)社區(qū) 優(yōu)質昇騰云AI模型專區(qū) 幾行代碼自由部署AI應用
體系化課程、學術前沿論文 場景化的AI案例，助力Ai賦能千行百業(yè) 查看更多 學習資源 學習資源 AI開發(fā)基本流程介紹 自動學習簡介 使用預置算法構建模型 使用自定義算法構建模型 查看更多 您感興趣的產品 您感興趣的產品 盤古NLP大模型 最貼合行業(yè)落地的NLP大模型 盤古CV大模型 賦能行業(yè)客戶使用少量數據微調即可滿足特定場景任務
式應用。 模型開發(fā)：開箱即用的大模型開發(fā)工具鏈 模型開發(fā)：開箱即用的大模型開發(fā)工具鏈 模型廣場 預置豐富的主流開源大模型，支持對模型進一步調優(yōu)、壓縮、部署等 模型調優(yōu) 通過構建符合業(yè)務場景的訓練輸入與訓練參數，提高在業(yè)務場景中的模型效果 模型部署 通過部署提供正式的模型服務，用于后續(xù)的模型調用
提供并行仿真能力，能夠利用云端資源快速回歸仿真場景，提供上千個并行仿真節(jié)點，完成日行千萬公里仿真里程 盤古大模型賦能自動駕駛，分鐘級完成數據處理 盤古大模型賦能自動駕駛，分鐘級完成數據處理 自動駕駛場景理解：代替人工打標簽分類，萬段視頻片段分鐘級處理完成 自動駕駛預標注：代替人工標注，支持2D/2
. 模型更新后，將新模型部署至相應環(huán)境。 十一、模型評測1. 設計模型評測方案，對大模型各類指標進行評測。2. 能夠按評測標準對大模型各項能力進行打分，輸出大模型評測報告。 十二、Agent開發(fā)1. 基于場景，設計并開發(fā)Agent工具。2. 基于langchain等大模型框架，完
IMS-MOM是盤古信息發(fā)布的IMS V5.0數字化智能制造系統，是面向CPS的新一代數字化管理解決方案，采用統一的MOM架構，以IOT設備互聯平臺為底層核心，涵蓋企業(yè)的人、機、料、法的數字化、全流程、全周期協同管理。盤古信息自主研發(fā)的IMS-MOM，以面向CPS的生產現場全場景為核心對
太杉天尊大模型AIGC場景解決方案是以AI場景解決方案為核心的全棧Maas綜合方案，助力政企客戶靈活部署(可公有可私有部署）。具備自研的行業(yè)模型能力，主要用于政府/公安/教育等行業(yè)的數據處理、文本處理以及多模態(tài)處理等多場景。太杉天尊大模型AIGC場景解決方案，是一款專為滿足政府企
咨詢服務：深入解析AI行業(yè)與盤古大模型，為客戶提供場景應用的設計咨詢建議。結合客戶應用場景與大模型能力，提供落地方案選擇和技術方案設計。提供NLP/CV等大模型的訓練集數據標準設計指導。2. 規(guī)劃設計：提供需求調研服務，基于盤古大模型的能力進行科學合理的方案設計和模型選擇。完成需求調研報
咨詢、規(guī)劃設計，到數據工程、模型訓練，再到應用工程及模型運維的完整流程。1. 咨詢服務：· 深入解析AI行業(yè)與盤古大模型，為客戶提供場景應用的設計咨詢建議。· 結合客戶應用場景與大模型能力，提供落地方案選擇和技術方案設計。· 提供NLP/CV等大模型的訓練集數據標準設計指導。2.
腳本開發(fā)和數據處理經驗，確保數據質量。4. 模型訓練：?設計調優(yōu)方案，實施模型訓練，并進行模型評測。?熟悉盤古大模型工作流和云服務操作，確保模型效果優(yōu)化。5. 應用工程：?提供基于大模型能力的Agent開發(fā)和應用對接服務。?具備良好的軟件開發(fā)和溝通能力，實現大模型與應用的無縫對接。6
天尊大模型AIGC場景解決方案配套服務是太杉AIGC解決方案的人工服務，是以AI應用解決方案為核心的全棧Maas綜合方案，助力政企客戶靈活部署(可公有可私有部署）。主要用于政府/公安/教育等行業(yè)的數據處理、文本處理以及多模態(tài)處理等多場景。天尊大模型AIGC場景解決方案配套服務是太
尚泱科技是一家專注于大數據和大模型領域的高科技公司，具備強大的數據處理能力、模型訓練調優(yōu)技術以及全面的技術支持服務，能夠為客戶提供從數據標注到模型部署的全方位解決方案。尚泱科技結合華為盤古大模型，針對特定領域的產品介紹說明： 氣象海洋環(huán)境領域： 盤古氣象大模型：利用華為盤古氣象大模型，提供準確的氣
廣東盤古信息科技股份有限公司，深耕智能制造系統軟件行業(yè)近20年，是國內最早的MES專業(yè)廠商，擁有300多人的專業(yè)技術團隊，為客戶提供圍繞IMS-MOM的專業(yè)技術支持與服務。盤古信息的IMS-MOM,以豐富的行業(yè)知識與工業(yè)機理模型為核心內容，為客戶提供真正具有流程優(yōu)化、流程再造的價
華為云盤古大模型 華為云盤古大模型 AI for Industries 大模型重塑千行百業(yè) AI for Industries 大模型重塑千行百業(yè) 盤古大模型致力于深耕行業(yè)，打造金融、政務、制造、礦山、氣象、鐵路等領域行業(yè)大模型和能力集，將行業(yè)知識know-how與大模型能力相結
ModelArts模型訓練 ModelArts模型訓練簡介 ModelArts模型訓練，俗稱“建模”，指通過分析手段、方法和技巧對準備好的數據進行探索分析，從中發(fā)現因果關系、內部聯系和業(yè)務規(guī)律，為商業(yè)目的提供決策參考。訓練模型的結果通常是一個或多個機器學習或深度學習模型，模型可以應用到新的數據中，得到預測、評價等結果。
盤古MES 盤古MES 深拓MES系統是針對車間生產進行管理，實現智能生產，智能物聯，智能管理，協同決策、計劃排程的系統。 深拓MES系統是針對車間生產進行管理，實現智能生產，智能物聯，智能管理，協同決策、計劃排程的系統。 深拓MES系統立即查看 免費試用 100+熱門免費試用產品
更多視頻 企業(yè)級AI應用開發(fā)專業(yè)套件 ModelArts Pro 文字識別套件操作指導 自然語言處理 NLP 03:18 如何使用NLP API 更多視頻 自然語言處理 NLP 如何使用NLP API 視頻直播 Live 05:13 視頻直播 Live 配置直播Key防盜鏈 應用與數據集成平臺
沿科技、激發(fā)創(chuàng)新靈感，收獲多元成長… 共迎新商機 華為將分享HarmonyOS、盤古大模型、昇騰AI云服務、GaussDB數據庫等最新創(chuàng)新成果。各領域伙伴將分享如何以科技創(chuàng)新為驅動，在鴻蒙生態(tài)和大模型技術中把握新機遇，構建智慧未來的新商業(yè)藍圖。 共創(chuàng)新技術 舞臺屬于開發(fā)者！各領域
搭建 媒體處理功能_音視頻轉碼_多媒體數據處理服務 共享流量包多少錢_共享流量是什么_共享流量怎么用 申請公網IP_彈性公網_公網IP什么意思 安全云腦的安全治理功能_安全治理是什么_安全治理有哪些功能 GA全球加速有什么功能_GA全球加速如何計費_GA全球加速使用場景 等保安全解決方案_等保整改_公有云等保
PaaS低代碼平臺以低代碼等核心能力，覆蓋企業(yè)/政府構建應用的典型業(yè)務場景。幫助用戶在新應用快速構建、流程管理和自動化運維方面獲得優(yōu)勢，加速數字化轉型和運營創(chuàng)新 炎黃盈動AWS PaaS低代碼平臺以低代碼等核心能力，覆蓋企業(yè)/政府構建應用的典型業(yè)務場景。幫助用戶在新應用快速構建、流程管理和自動化運
全性，簡化用戶的網絡部署。 模型推理代碼編寫說明 ModelArts導入的模型，在編寫推理代碼時，用戶可以選擇重寫preprocess和postprocess方法，以實現API輸入數據的預處理和推理輸出結果的后處理。請參考ModelArts官網文檔模型推理代碼編寫說明。 精選文章推薦
SDK及API可快速集成到第三方業(yè)務系統，實現AI數字員工問答、服務、陪練等場景任務。 - 1.5秒超低時延交互 實時驅動極低延時，保障用戶真實體驗。 - 多模型數字人大腦 華為云智能問答機器人CBS 華為云盤古大模型 - 能力開放可集成 智能交互端側Web SDK 形象驅動API 數字人大腦API
盤古NLP打模型典型場景
盤古NLP大模型規(guī)格
盤古NLP大模型是業(yè)界首個超千億參數的中文預訓練大模型，結合了大量數據預訓練和多源知識，借助持續(xù)學習不斷吸收海量文本數據，持續(xù)提升模型性能。除了實現行業(yè)知識檢索、文案生成、閱讀理解等基礎功能外，盤古NLP大模型還具備模型調用等高級特性，可在智能客服、創(chuàng)意營銷等多個典型場景中，提供強大的AI技術支持。
ModelArts Studio大模型開發(fā)平臺為用戶提供了多種規(guī)格的NLP大模型，以滿足不同場景和需求。不同模型在處理上下文token長度和功能上有所差異，以下是當前支持的模型清單，您可以根據實際需求選擇最合適的模型進行開發(fā)和應用。
|
模型支持區(qū)域 |
模型名稱 |
可處理最大 序列長度 |
說明 |
|---|---|---|---|
|
西南-貴陽一 |
Pangu-NLP-N1-32K-3.2.36 |
32K |
2025年1月發(fā)布的版本，支持32K序列長度訓練，4K/32K序列長度推理。全量微調、LoRA微調8個訓練單元起訓，1個推理單元即可部署，4K支持256并發(fā)，32K支持256并發(fā)。 |
|
Pangu-NLP-N1-128K-3.2.36 |
128K |
2025年1月發(fā)布的版本，僅支持128K序列長度推理，4個推理單元8并發(fā)。 |
|
|
Pangu-NLP-N1-Reasoner-128K-3.0.1.1 |
128K |
2025年6月發(fā)布的版本，僅支持128K序列長度推理，4個推理單元384并發(fā)。 |
|
|
Pangu-NLP-N2-32K-3.1.35 |
32K |
2025年1月發(fā)布的版本，支持32K序列長度訓練，32K序列長度推理。全量微調32個訓練單元起訓，LoRA微調8個訓練單元起訓，4個推理單元即可部署，支持128并發(fā)。此模型版本差異化支持DPO訓練特性。 |
|
|
Pangu-NLP-N2-32K-5.0.1.1 |
32K |
2025年8月發(fā)布的版本，支持32K序列長度訓練，32K序列長度推理。全量微調32個訓練單元起訓，LoRA微調8個訓練單元起訓，4個推理單元即可部署，支持128并發(fā)。 |
|
|
Pangu-NLP-N2-128K-5.0.1.1 |
128K |
2025年8月發(fā)布的版本，僅支持128K序列長度推理。4個推理單元即可部署，支持128并發(fā)。 |
|
|
Pangu-NLP-N2-Reasoner-32K-3.0.1.1 |
32K |
2025年6月發(fā)布的版本，支持32K序列長度訓練和推理。全量微調16個訓練單元起訓，LoRA微調8個訓練單元起訓，GRPO訓練24個訓練單元起訓。 |
|
|
Pangu-NLP-N2-Reasoner-128K-5.0.0.1 |
128K |
2025年6月發(fā)布的版本，僅支持32K序列長度推理。全量微調64個訓練單元起訓，LoRA微調32個訓練單元起訓。 |
|
|
Pangu-NLP-N4-4K-3.2.36 |
4K |
2025年3月發(fā)布的版本，支持4K序列長度訓練，4K序列長度推理。預訓練、全量微調、DPO訓練64個訓練單元起訓，LoRA微調8個訓練單元起訓，8個推理單元即可部署，支持128并發(fā)。 |
|
|
Pangu-NLP-N4-32K-2.5.35 |
32K |
2025年1月發(fā)布的版本，僅支持32K序列長度推理部署，8個推理單元128并發(fā)。 |
|
|
Pangu-NLP-N4-Reasoner-32K-3.0.1.2 |
32K |
2025年6月發(fā)布的版本，支持32K序列長度訓練和推理。全量微調96個訓練單元起訓，LoRA微調64個訓練單元起訓，8個推理單元104并發(fā)。 |
|
|
Pangu-NLP-N4-Reasoner-128K-3.0.1.2 |
128K |
2025年6月發(fā)布的版本，僅支持128K序列長度推理部署，16個推理單元32并發(fā)。 |
|
|
Pangu-RAG-N1-32K-4.3.2 |
32K |
2025年4月份發(fā)布的版本，支持32K序列長度推理，1個推理單元可部署，最高支持1QPS。該模型是基于盤古NLP大模型微調得到的RAG場景模型，提供對話問答能力。 |
|
|
Pangu-AgentExpert-N1-0.0.2 |
32K |
25年6月發(fā)布的版本，32K序列長度，1個推理單元可部署，256并發(fā)。該模型是基于盤古NLP大模型微調得到的Agent場景模型，提供意圖識別、提問器。agent專業(yè)模型經過算法優(yōu)化，相比傳統模型有較大提升。 |
|
|
Pangu-AgentExpert-N2-0.0.2 |
32K |
2025年6月份發(fā)布的版本，支持32K序列長度推理，1個推理單元可部署，最高支持1QPS。該模型是基于盤古NLP大模型微調得到的Agent場景模型，提供意圖識別、提問器、AutoPlanning能力。agent專業(yè)模型經過算法優(yōu)化，相比傳統模型有較大提升。 |
盤古NLP大模型支持的平臺操作
在選擇和使用盤古大模型時，了解不同模型所支持的操作行為至關重要。不同模型在預訓練、微調、模型評測、在線推理和體驗中心能力調測等方面的支持程度各不相同，開發(fā)者應根據自身需求選擇合適的模型。以下是盤古NLP大模型支持的具體操作：
|
模型名稱 |
模型訓練 |
微調 |
強化學習 |
模型評測 |
模型壓縮 |
在線推理 |
體驗中心能力調測 |
|||
|---|---|---|---|---|---|---|---|---|---|---|
|
全量微調 |
LORA |
DPO |
RFT |
GRPO |
||||||
|
Pangu-NLP-N1-32K-3.2.36 |
√ |
√ |
√ |
√ |
- |
- |
√ |
- |
√ |
√ |
|
Pangu-NLP-N1-128K-3.2.36 |
- |
- |
- |
- |
- |
- |
√ |
- |
√ |
√ |
|
Pangu-NLP-N1-Reasoner-128K-3.0.1.1 |
√ |
√ |
√ |
- |
- |
- |
- |
- |
√ |
√ |
|
Pangu-NLP-N2-32K-3.1.35 |
√ |
√ |
√ |
√ |
- |
- |
√ |
√ |
√ |
√ |
|
Pangu-NLP-N2-32K-5.0.1.1 |
√ |
√ |
√ |
- |
- |
- |
√ |
- |
√ |
√ |
|
Pangu-NLP-N2-128K-5.0.1.1 |
- |
- |
- |
- |
- |
- |
√ |
- |
√ |
√ |
|
Pangu-NLP-N2-Reasoner-32K-3.0.1.1 |
√ |
√ |
√ |
- |
- |
√ |
- |
√ |
√ |
√ |
|
Pangu-NLP-N2-Reasoner-128K-5.0.0.1 |
√ |
√ |
√ |
- |
- |
- |
- |
√ |
√ |
√ |
|
Pangu-NLP-N4-4K-3.2.36 |
√ |
√ |
√ |
√ |
- |
- |
√ |
√ |
√ |
√ |
|
Pangu-NLP-N4-32K-2.5.35 |
√ |
√ |
√ |
√ |
√ |
- |
√ |
- |
√ |
√ |
|
Pangu-NLP-N4-Reasoner-32K-3.0.1.2 |
√ |
√ |
√ |
- |
- |
- |
- |
- |
√ |
√ |
|
Pangu-NLP-N4-Reasoner-128K-3.0.1.2 |
- |
- |
- |
- |
- |
- |
- |
√ |
√ |
√ |
|
Pangu-RAG-N1-32K-4.3.2 |
- |
- |
- |
- |
- |
- |
- |
- |
√ |
- |
|
Pangu-AgentExpert-N1-0.0.2 |
- |
- |
- |
- |
- |
- |
- |
- |
√ |
√ |
|
Pangu-AgentExpert-N2-0.0.2 |
- |
- |
- |
- |
- |
- |
- |
- |
√ |
√ |
盤古NLP大模型對資源池的依賴
|
模型名稱 |
云上部署 |
邊緣部署 |
|---|---|---|
|
Pangu-NLP-N1-32K-3.2.36 |
支持，1個推理單元部署 |
- |
|
Pangu-NLP-N1-128K-3.2.36 |
支持，4個推理單元部署 |
- |
|
Pangu-NLP-N1-Reasoner-128K-3.0.1.1 |
支持，4個推理單元部署 |
- |
|
Pangu-NLP-N2-32K-3.1.35 |
支持，4個推理單元部署 |
支持，4個推理單元部署 |
|
Pangu-NLP-N2-Reasoner-32K-3.0.1.1 |
支持，4個推理單元部署 |
- |
|
Pangu-NLP-N2-Reasoner-128K-5.0.0.1 |
支持，4個推理單元部署 |
- |
|
Pangu-NLP-N4-4K-3.2.36 |
支持，8個推理單元部署 |
- |
|
Pangu-NLP-N4-32K-2.5.35 |
支持，8個推理單元部署 |
- |
|
Pangu-NLP-N4-Reasoner-32K-3.0.1.2 |
支持，8個推理單元部署 |
- |
|
Pangu-NLP-N4-Reasoner-128K-3.0.1.2 |
支持，16個推理單元部署 |
- |
|
Pangu-RAG-N1-32K-4.3.2 |
支持，1個推理單元部署 |
- |
|
Pangu-AgentExpert-N1-0.0.2 |
支持，1個推理單元部署 |
- |
|
Pangu-AgentExpert-N2-0.0.2 |
支持，1個推理單元部署 |
- |
盤古NLP打模型典型場景常見問題
更多常見問題 >>-
盤古大模型致力于深耕行業(yè)，打造金融、政務、制造、礦山、氣象、鐵路等領域行業(yè)大模型和能力集，將行業(yè)知識know-how與大模型能力相結合，重塑千行百業(yè)，成為各組織、企業(yè)、個人的專家助手。
-
模型轉換，即將開源框架的網絡模型（如Caffe、TensorFlow等），通過ATC（Ascend Tensor Compiler）模型轉換工具，將其轉換成昇騰AI處理器支持的離線模型。
-
云手機兼容原生指令，能夠運行主流游戲與應用，與真機無異，除了常規(guī)的手機操作場景應用以外，云手機還有的典型應用場景：MRPA移動機器人流程自動化，即機器程序自動化地執(zhí)行腳本來代替人工重復、繁瑣、程序化的操作，從而達到提升效率的作用。
-
云游戲作為游戲行業(yè)的熱門發(fā)展方向，通過視頻流化的方式面向玩家提供免下載，脫離手機性能的一種游戲服務方式，其本身包含了PC游戲的流化和移動游戲的流化。云手機作為云端仿真手機可以發(fā)揮移動游戲指令同構的優(yōu)勢，在云端承載游戲應用
-
混合云解決方案提供多種途徑，聯通公有云和私有云，支持企業(yè)資源整合，業(yè)務靈活部署 在企業(yè)上云的過程中，私有云的業(yè)務和在公有云上的業(yè)務需要數據面打通，私有云/公有云將長期并存，混合云才是企業(yè)上云未來的方向。對混合云的需求不僅僅需要資源拉通，數據面（備份歸檔、跨云災備）也是業(yè)務云化的關鍵業(yè)務場景
-
盤古NLP大模型，具備對話問答、文案生成、閱讀理解等基礎功能，同時具備代碼生成、插件調用、模型調用等高階特性
