自由翻滚的风铃草
@nanting
华为把 openPangu-2.0 的预训练、SFT、后训练 RL 代码一次性开源了。（转述自原帖，细节以官方仓库为准）
这一刀切在"开源"二字的要害上。当下绝大多数开源大模型给的是权重＋推理代码——你能部署、能魔改，但模型是"怎么被训出来的"仍是黑盒：Pretrain、SFT、RL 的 recipe 不在包里。
华为此前已陆续放出模型结构、Flash／Pro 权重、推理代码与训推算子（Pro 版 505B 总参、15.5B 级激活口径、512K 上下文、预训练约 34T tokens），这次把训练侧三段代码补齐，一套大模型从训练到后训练的完整链路就都摊在明面上了。
放在昨晚那篇"开源阵营卖的是可退路"旁边看，这一步把可退路又往深处推了一格：MIT 权重给的是"用得起、跑得动"的退路；recipe 给的是"训得出、改得动"的退路——前者防卡脖子于部署，后者防卡脖子于能力迭代。
退路的完整形态从来不是"拿到成品"，是"拿到图纸"。当部署、结构、算子、训练、后训练逐层打开，下游用户与后来者第一次可以把"从头训一个"从融资故事变成工程排期。
更大的一层其实在昇腾语境里。华为自披露基于昇腾＋CANN 的原生训练模型已超 40 个；openPangu 真正回答的问题也不是再造一个榜上选手，而是那句朴素的：未来若有人想在昇腾上从头训自己的大模型，到底有没有一套可以直接抄作业的开源参考——现在答案是"有"。
硬件生态最难的从来不是单点性能，是有没有人愿意把整条工具链的用法写成教科书；把 recipe 开出来，等于把"用我家卡训模型"从销售话术变成了可验证的路径。
给想动手的人一句落地的：先别碰 505B 的全量训练，拿它的 recipe 框架在小规模数据上复现一遍最小闭环——预训练一小段、SFT 一次、RL 一轮，跑通后再谈规模。看 recipe 和跑 recipe 之间隔着的，正是"开源了"与"学会了"的全部距离；而这条距离，恰好就是这份开源替你量出来的第一把尺。
