它不仅识别更准，更重要的是，模型开始学会按语义顺序理解图像，迈向真正的2D推理。在主流的OmniDocBench v1.5 文档解析基准上，DeepSeek-OCR 2在所有端到端模型中，使用最小的视觉Token上限，取得了91.09%的SOTA综合得分。同时，阅读顺序错误率显著下降，这说明 DeepEncoder V2 确实学会了更符合逻辑的文档阅读路径。同时，DeepEncoder V2初步验

魔乐社区喊你来「养虾争霸」啦！魔乐社区虾王挑战赛 · OpenClaw虾客松今日正式启动！不管你是刚入门的「养虾萌新」，还是能轻松喂饱「小龙虾」的极客大佬；不管你是个人炫技还是企业组队——只要你想让AI干活，就能带着你的虾来冲击虾王宝座，解锁AI自动化的N种玩法，赢取重磅奖励！🔗。

🔗 DeepSeek-V4-Flash开源权重链接：https://modelers.cn/models/deepseek-ai/DeepSeek-V4-Flash (点击文末“阅读原文”直达）脚本链接：https://gitcode.com/Ascend/MindSpeed-LLM/tree/master/examples/mcore/deepseek4_flash。CKPT_LOAD_DIR

在MCP-Atlas（大规模工具调研评测的数据集），GLM-5.2比Opus 4.8低0.8%。GLM-5.2的线上推理依托多个国产算力平台，已在Day 0完成与为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞、天数智芯等国产算力平台的推理适配，在国产芯片集群上实现高吞吐、低延迟、大并发的稳定运行。从2025初开始，智谱团队几乎投入全部力量攻关Coding，历时大半年，细扣每一个代码环境

在MCP-Atlas（大规模工具调研评测的数据集），GLM-5.2比Opus 4.8低0.8%。GLM-5.2的线上推理依托多个国产算力平台，已在Day 0完成与为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞、天数智芯等国产算力平台的推理适配，在国产芯片集群上实现高吞吐、低延迟、大并发的稳定运行。从2025初开始，智谱团队几乎投入全部力量攻关Coding，历时大半年，细扣每一个代码环境

在MCP-Atlas（大规模工具调研评测的数据集），GLM-5.2比Opus 4.8低0.8%。GLM-5.2的线上推理依托多个国产算力平台，已在Day 0完成与为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞、天数智芯等国产算力平台的推理适配，在国产芯片集群上实现高吞吐、低延迟、大并发的稳定运行。从2025初开始，智谱团队几乎投入全部力量攻关Coding，历时大半年，细扣每一个代码环境

2026年2月12日，智谱AI开源GLM-5模型。在 Coding 与 Agent 能力上，取得开源 SOTA 表现，在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程 Agent 任务。在全球权威的 Artificial Analysis 榜单中，GLM-5 位居全球第四、开源第一。昇腾一直同步支持智谱GLM系列模型，此次GLM-5模型一经开源发布，昇腾AI基础

0.8B / 2B： 极致轻量，端侧首选特点：体积极小，推理速度极快。场景：非常适合移动设备、IoT 边缘设备部署，以及低延时的实时交互场景。4B：轻量级 Agent 的强劲基座特点：性能强劲，多模态基座模型，适合Agent。场景：适合作为轻量级智能体的核心大脑，完美平衡了性能与资源消耗。9B：紧凑尺寸，越级性能特点：结构紧凑，但性能媲美gpt-oss-120B，让人惊艳。场景：适合需要较高智力水

继后，本次为大家带来SGLang框架下的昇腾部署实操指南，手把手教你完成 Qwen3.5系列开源模型的昇腾平台部署，轻松实现高效推理。本次教程适配Qwen3.5-397B-A17B、122B-A10B、35B-A3B、27B全系列模型，同时提供BF16原版权重与量化版本权重，满足不同开发需求。

本文介绍了在昇腾NPU环境下微调Qwen3.5-4B大语言模型的完整流程。首先通过git-lfs下载Qwen3.5-4B模型和LlamaFactory框架，然后搭建基于miniconda的Python3.11环境并安装相关依赖包。接着配置昇腾NPU运行环境，下载并处理训练数据集（包含中英文版本），修改dataset_info.json文件添加数据集信息。最后提供了详细的训练YAML配置文件说明，包