BitCPM4-CANN-1B

二〇二六年六月六日 · 英文原文

摘要

OpenBMB 发布了 BitCPM4-CANN，首个原生构建于华为昇腾 NPU 上的端到端 1.58 位（三值）大语言模型训练系统。该系统将量化感知训练（QAT）集成到 Megatron-LM 框架中，并借助 MindSpeed 加速。团队训练了 0.5B、1B、3B 和 8B 四个模型，在 11 个 benchmark 上与全精度 MiniCPM4 对比，1B/3B/8B 模型保留了 95.7%–97.2% 的性能，推理时实现约 6 倍内存缩减。QAT 仅引入 5% 的训练吞吐量开销（每 NPU 148 vs. 155 TFLOP/s）。模型采用伪量化格式，可直接用 Transformers 加载推理。

简介

BitCPM4-CANN 是首个原生构建于华为昇腾 NPU 上的端到端 1.58 位（三值）大语言模型训练系统。该系统将量化感知训练（QAT）集成到 Megatron-LM 框架中，并借助 MindSpeed 加速，覆盖从自定义三值算子到昇腾 910B 分布式并行训练的完整训练栈。

我们训练了四个模型——BitCPM4-CANN-0.5B/1B/3B/8B——并在 11 个 benchmark 上将其与对应的全精度 MiniCPM4 模型进行对比评估。1B/3B/8B 模型保留了全精度性能的 95.7%–97.2%，同时在推理时实现了约 6 倍的内存缩减。QAT 仅引入 5% 的训练吞吐量开销（每 NPU 148 vs. 155 TFLOP/s）。

关键特性

🔬 1.58 位三值量化：将模型权重压缩为三值 {-1, 0, 1}，相比 BF16 实现约 90% 的位宽缩减。
🖥️ 原生昇腾 NPU 训练：首个公开报道的在国产 NPU 平台上以 8B 规模进行的 1.58 位训练工作，为昇腾生态建立了可复用的低位训练基础设施。
⚡ 极小的训练开销：在昇腾 910B 上相比全精度训练仅降低 5% 的吞吐量。
📦 约 6 倍推理内存缩减：支持更长的上下文、更多服务副本以及消费级设备上的边缘部署。

重要说明

本仓库中的模型采用伪量化（fake quantization）格式。这意味着权重以标准浮点格式存储，但训练时已应用三值。您可以像使用全精度模型一样加载并运行这些模型的推理——无需特殊的量化库或自定义 kernel。

BitCPM4-CANN 模型系列

模型	HuggingFace	GGUF
BitCPM4-CANN-0.5B	openbmb/BitCPM4-CANN-0.5B	openbmb/BitCPM4-CANN-0.5B-gguf
BitCPM4-CANN-1B	openbmb/BitCPM4-CANN-1B	openbmb/BitCPM4-CANN-1B-gguf
BitCPM4-CANN-3B	openbmb/BitCPM4-CANN-3B	openbmb/BitCPM4-CANN-3B-gguf
BitCPM4-CANN-8B	openbmb/BitCPM4-CANN-8B	openbmb/BitCPM4-CANN-8B-gguf

使用方法

使用 Transformers 进行推理

由于 BitCPM4-CANN 模型采用伪量化格式，您可以像使用标准全精度模型一样使用它们：

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
torch.manual_seed(0)

path = 'openbmb/BitCPM4-CANN-1B'
device = "cuda"
tokenizer = AutoTokenizer.from_pretrained(path)
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.bfloat16, device_map=device, trust_remote_code=True)

# 用户可以直接使用 chat 接口
responds, history = model.chat(tokenizer, "Write an article about Artificial Intelligence.", temperature=0.7, top_p=0.7)
print(responds)

# 用户也可以使用 generate 接口
# messages = [
#     {"role": "user", "content": "Write an article about Artificial Intelligence."},
# ]
# prompt_text = tokenizer.apply_chat_template(
#     messages,
#     tokenize=False,
#     add_generation_prompt=True,
# )
# model_inputs = tokenizer([prompt_text], return_tensors="pt").to(device)

# model_outputs = model.generate(
#     **model_inputs,
#     max_new_tokens=1024,
#     top_p=0.7,
#     temperature=0.7
# )
# output_token_ids = [
#     model_outputs[i][len(model_inputs[i]):] for i in range(len(model_inputs['input_ids']))
# ]

# responses = tokenizer.batch_decode(output_token_ids, skip_special_tokens=True)[0]
# print(responses)

评估结果

主要结果

BitCPM4-CANN 模型在 11 个 benchmark（涵盖常识推理、领域知识以及数学与推理）上与其全精度 MiniCPM4 对应模型进行了对比评估。

任务	8B FP	8B Ternary	3B FP	3B Ternary	1B FP	1B Ternary	0.5B FP	0.5B Ternary
ARC-c	87.46	86.10	80.34	78.98	64.41	67.12	51.86	50.51
ARC-e	95.06	93.47	92.77	88.36	79.89	79.01	71.78	65.08
BoolQ	84.89	83.39	79.85	77.89	68.38	65.50	62.29	43.55
PIQA	80.52	78.78	70.57	72.69	66.16	65.45	60.99	58.49
WinoGrande	63.30	61.17	58.41	52.96	51.62	53.28	51.07	51.54
CMMLU	80.62	78.92	78.11	76.53	74.57	67.42	65.22	60.49
C-Eval	81.36	77.50	75.85	75.89	73.25	65.96	66.11	60.74
MMLU	75.83	70.65	66.95	64.41	57.71	57.71	55.55	50.73
MMLU-Redux	77.14	69.85	65.82	60.07	54.80	54.16	48.00	43.79
BBH	76.72	70.70	68.29	68.30	64.40	60.40	49.87	47.44
GSM8K	91.51	85.75	81.64	79.45	63.15	61.56	52.08	39.42
平均（11 项任务）	81.31	77.84	74.42	72.32	65.30	63.42	57.71	51.98
保留率		95.7%		97.2%		97.1%		90.1%

关键观察

1B 及以上模型达到 ≥95.7% 的保留率：3B 模型以 97.2% 的保留率最高，表明在此规模下三值 QAT 引入的能力损失极小。
0.5B 模型显示出规模依赖性敏感度：最小模型保留了 90.1%，表明当模型容量有限时，量化扰动更具破坏性。
与 MiniCPM4 的 1:1 对齐：匹配的评估支持直接替换决策——部署时可以用对应的三值模型替换特定全精度模型，并清楚量化其权衡。

训练效率

配置	每 NPU 的 TFLOP/s	开销
全精度	155	—
三值 QAT	148	4.5%

在 2 节点 16 卡昇腾 910B 上的系统级吞吐量：

3B 模型：每卡约 2700 tokens/s
8B 模型：每卡约 1340 tokens/s

技术方法

BitCPM-CANN 使用一个三值量化器，将每个权重组映射到由组缩放因子缩放的 {-1, 0, 1}，并通过 Straight-Through Estimator（STE）进行梯度流动训练。训练采用两阶段策略：先完成 QAT，再进行训练后蒸馏，这避免了训练早期放大不稳定性。

该系统在昇腾 NPU 上构建为四层垂直栈：

QAT 训练逻辑：带 STE 的三值量化器，Megatron-LM 中的可插拔量化层。
Megatron-LM 量化模型层：集成权重/激活量化器的张量并行线性层。
框架入口层：注入 torch_npu 和 mindspeed.megatron_adaptor 以支持 NPU 执行。
昇腾软硬件栈：MindSpeed、CANN、HCCL 通信、昇腾 910B NPU 硬件。

完整技术细节请参阅我们的技术报告。

声明

作为语言模型，BitCPM4-CANN 通过从大量文本中学习来生成内容。
然而，它不具备理解或表达个人观点或价值判断的能力。
BitCPM4-CANN 生成的任何内容均不代表模型开发者的观点或立场。
因此，在使用 BitCPM4-CANN 生成的内容时，用户应自行承担评估和验证的全部责任。

许可证

本仓库及 BitCPM4-CANN 模型采用 Apache-2.0 许可证发布。

引用

如果您认为我们的工作有价值，请引用我们的技术报告。

@article{bitcpm4cann,
  title={{BitCPM-CANN}: Native 1.58-Bit Large Language Model Training on Ascend NPU},
  author={BitCPM Team},
  year={2026}
}

译自 OpenBMB · HF · 录于二〇二六年六月六日