2026 年 11 月 16 日公布於 arXiv(論文編號 arXiv:2611.22115,並於 11 月 18 日入選 Hugging Face Daily Papers 榜首),星辰智能(Xingchen AGI Lab)團隊發表技術報告《TeleChat to Xing4: Advancing Frontier Agentic Models on Domestic Chips and Frameworks》,推出延續 TeleChat 譜系的新一代大語言模型系列 Xing 4 以及智能體後訓練基礎設施平台 TeleGym。報告重點闡明了國產算力晶片與分散式軟件棧上的模型架構設計與系統工程實踐,同時 Hugging Face 組織 XingChen-AGI 旗下已關聯推出 Xing4.0-29B-A4B 與 Xing4.0-29B-Intent 等開源衍生模型權重。

圖片來源:DigIntoAI 根據星辰智能官方技術報告摘要整理製作。
8,192 張昇騰 910C 集群上的 285B 模型架構與預訓練基礎設施
面向算力與顯存頻寬平衡的架構協同設計:為在推理與長程智能體工作負載下平衡模型參數容量、計算量、顯存訪問與執行開銷,Xing 4 在架構層面圍繞四大核心槓桿展開系統研究——包括稀疏激活(sparse activation)、注意力機制設計(attention design)、模型深度與寬度配比(depth and width)以及投機解碼(speculative decoding)。
基於 MindSpore HyperParallel 的萬卡級系統工程優化:在預訓練基礎設施層,團隊基於 MindSpore HyperParallel 構建分散式訓練框架,整合了拓撲感知混合分片(topology-aware hybrid sharding)、高效分散式優化器執行,以及長序列工作負載與激活顯存(activation memory)的協同管理;同時透過 CPU 親和性綁定(CPU affinity)與核心隔離(core isolation)降低主機端調度干擾,從而在 8,192 張華為昇騰 Ascend 910C 加速卡上完成了 285B 參數規模模型的預訓練驗證。
TeleGym:面向長程工具呼叫的非同步分散式智能體強化學習平台
解耦非同步執行、有界過採樣與部分回滾機制:針對推理與工具呼叫類智能體後訓練(post-training)中任務耗時差異巨大的難題,星辰智能推出了統一智能體執行平台 TeleGym,將環境交互執行、評估掛鉤(evaluation hooks)與軌跡構建(trajectory construction)直接銜接至策略優化(policy optimization)。TeleGym 引入解耦非同步執行(disaggregated asynchronous execution)、有界過採樣(bounded oversampling)以及部分回滾(partial rollout)三大核心機制,在適應異構長短週期工具呼叫任務的同時,跨策略更新保持了長程軌跡的連續性。
