导语

2026年4月，深圳河套学院联合华为开源AscendBridge（中文名：昇桥）2.0，首次将模型获取、代码适配、错误自愈、精度对齐、性能调优和业务验收串成了一条自动化产线。首批公开成果覆盖321个主流模型。

时隔两个月，这套开源体系再度迎来规模跃升。

目前，AscendBridge（昇桥）2.0官方适配仓已发布500个模型适配包（含部分同模型名称不同权重），覆盖68个发布方/组织、6大领域和24个细分类别。与此同时，面向Diffusers文生图模型的专项能力仓同步开放，首批上线9个主流模型的适配包与6项Skills，涵盖迁移适配、性能优化、批量生成与质量评测全流程。第三方社区适配合集仓库也已同步上线，开发者可以自由查找、复用和贡献新的适配成果。

从321到500+，AscendBridge 2.0正围绕工具、官方模型适配包、垂类模型适配包和社区模型适配包，构建一套可持续生长的昇腾模型适配开源生态。

AscendBridge 2.0模型生态从321扩展至500+，模型适配包可在GitCode仓库中直接搜索。

01
官方适配库再扩容：
从321到500+，广度与深度并进

此次发布的500个模型适配包（含部分同模型名称不同权重），并非简单的模型名称罗列。每个模型均拥有独立的适配目录，包含运行示例、依赖配置、基线精度评测脚本、性能优化脚本及业务评测脚本，既可按单模型下载和复用，也可以接入AscendBridge 2.0统一编排。

从模型类型分布来看：

• 基础语言模型117个，涵盖通用对话、代码、MoE、偏好对齐等方向；

• 检索与自然语言处理117个，包含Embedding、Reranker、文本分类、实体识别等；

• AI for Science与科学计算103个，覆盖生物医学、蛋白质与基因组、材料与分子、地球空间等场景；

• 多模态与生成式AI 58个，涉及视觉语言、图像生成、视频生成等模型；

• 计算机视觉与时序55个，包含分类、检测、分割、OCR、深度估计及时序预测；

• 语音与音频50个，覆盖语音识别、语音合成、声码器、音频分类和说话人识别。

进一步细分为24个细分类别，其中：通用与对话大模型92个，文本Embedding与表征模型73个，生物医学与临床NLP模型56个，视觉语言模型32个，语音识别模型32个，材料与分子预测模型31个，图像分类与特征提取模型29个。

发布方阵容更加多元——

500个模型来自68个不同团队与组织，既有Qwen、Microsoft、Google、OpenAI、IBM Research、BAAI、AllenAI等主流机构，也包括Materials Informatics Laboratory、ClaRAN等科研组织，以及大量面向小语种、生命科学、材料科学和垂直行业的社区开发者。

所有适配包均已完成迁移适配、基线评测、性能优化和业务评测阶段，配套清单详细记录了模型类别、评测数据、质量指标及硬件对比结果，开发者可按模型、任务或场景快速检索，不再需要从零开始摸索迁移路径。

500个模型覆盖六大领域，并可通过模型名称快速定位适配包。

02
文生图专项能力开源：
9个模型适配包与6项Skills

在通用模型适配规模扩大的基础上，AscendBridge 2.0开始向重点垂类纵深推进。首个专项方向聚焦于依赖Hugging Face Diffusers库的文生图模型。

深圳河套学院项目组沉淀并开源了SLAI-Diffusers-Adapter专项能力仓，面向昇腾910C/NPU环境，提供从模型迁移、推理验证到性能调优与生成质量评测的一站式可复用流程。该仓库不仅存放适配模型，更将迁移过程中积累的方法、流程与优化经验封装为Skills，使新模型可沿标准化路径继续适配。仓库不存储模型权重，而是保留真正可复用的适配材料：NPU推理脚本、uv环境配置、基线与优化测速脚本、torch_npu补丁、MSCOCO图像生成脚本及质量评测记录。

首批完成适配的9个模型包括：

CogView4-6B、FLUX.1-dev、FLUX.2-dev、FLUX.2-klein-9B、GLM-Image、LongCat-Image、Qwen-Image、Z-Image和stable-diffusion-3.5-large。

文生图迁移不能止步于“能否出图”。项目组围绕保真度、多样性和图文对齐三个维度设计推理精度评估流程。当前开源仓库已为9个模型保留MSCOCO生成脚本及IS、FID结果，并严格按照模型官方推荐的分辨率、推理步数、调度器和guidance scale记录评测口径，避免将低成本测速参数与质量评测参数混为一谈。

基于深圳河套学院完成的Diffusers模型适配能力及适配包，相关成果已进入科研应用——中科大“灵境造物”平台已完成stable-diffusion-3.5-large模型的部署，用于支持蛋白质逆向设计、光谱模拟等前沿科研工作。模型迁移由此突破“跑通Demo”的局限，进入可被科研平台调用与复用的阶段。

仓库在migration/skills/目录同步开源6项Skills。主链路包括：

• ascend-diffusers-migrate：模型分析、显存策略、NPU基线推理与测速；

• ascend-diffusers-optimization：Diffusers融合算子与环境调优、基线/优化同条件对比；

• ascend-diffusers-generation：基于MSCOCO提示词批量生成约5000张评测图片；

• ascend-diffusers-evaluation：生成质量评测与结果沉淀。

另有ascend-z-image-optimization沉淀Z-Image在昇腾910C上的兼容性修复与专项优化实践，torch-npu-optimization提供PyTorch模型在NPU上的通用融合算子替换方法。

六项Skills按“迁移适配→性能优化→批量生成→质量评测”协同运作，已集成至AscendBridge 2.0工具链，使开源成果既包含9个已适配模型，也提供面向新模型的完整迁移方法论。

Diffusers专项能力仓同步开放9个模型适配包与6项Skills，形成迁移、优化、批量生成和质量评测的完整链路。

03
社区适配仓开源：
让第三方成果可查、可复用、可迭代

官方适配仓解决规模化发布，Diffusers专项能力仓沉淀垂类流程，而SLAI-AscendBridge2-Community-Adaptations社区适配仓则面向第三方成果，统一收录开发者已跑通或验证过的单模型适配材料，使其可被搜索、复用和持续完善。

社区仓不设主框架，也不存放模型权重，而是收录每个模型适配后留下的可复用成果——包括说明文档、示例代码、验证脚本和优化记录，方便后来者快速查阅、直接使用和补充改进。

截至当前，社区仓已纳入22个模型适配包，覆盖大模型、多模态、文生图、视觉检测、内容安全与AI for Science等方向。代表性模型包括：

• 指令对话与多模态：Mistral-7B-Instruct、SmileyLlama、S1-VL-32B-RL；

• 图像编辑与3D生成：FLUX.1-Kontext-Dev、Z-Image-Turbo、TRELLIS；

• 检测与内容安全：YOLO11m、SigLIP2、OpenNSFW2、ViT-NSFW及多语言toxicity classifier；

• 科研应用：DetaNet、MACE、SchNetPack、REANN、DeepChem、Chemprop、PropMolFlow、MOFGPT、MatterChat、Perovskite-R1、TranSpec，集中于分子性质预测、材料生成、材料问答和光谱服务等场景。

该仓的核心价值在于，将“某个开发者本地跑通的一次适配”转化为可追踪、可复用的公共模型适配包。开发者使用AscendBridge 2.0完成新模型适配后，可将适配目录、文档、demo、验证脚本和优化记录整理提交至社区适配仓；后续开发者搜索到该模型时，即可直接复用已有材料，亦可在此基础上继续迭代完善。

社区适配仓已收录22个模型适配包，支持查找、复用与贡献共享。

04
三类仓库，一条持续生长的开源路径

随着本次更新，AscendBridge 2.0的开源内容形成了清晰分工：

1. 主仓（SLAI-AscendBridge 2.0）：提供多智能体协同、状态管理、适配、评测与优化工具链；

2. 官方适配仓（SLAI-AscendBridge2-Adaptations）：发布经核验的500个模型适配包；

3. Diffusers专项能力仓（SLAI-Diffusers-Adapter）：沉淀9个文生图模型包与6项Skills，覆盖迁移、调优、批量生成和质量评测流程；

4. 社区适配仓（SLAI-AscendBridge2-Community-Adaptations）：收录22个社区模型适配包，支持查找、复用与贡献共享。

对开发者而言，若目标模型已在官方仓或社区仓中，可直接复用脚本；若是新的Diffusers模型，可从专项Skill和标准目录入手；若完成新适配，可将单模型目录提交至社区仓，使成果持续流动。

工具的价值，最终体现在“帮助开发者少走多少弯路”上。500+模型提供广度，Diffusers专项能力仓提供垂类模型适配包与流程复用，社区仓提供持续扩展的入口。三者合力，使模型适配从一次性项目转变为可检索、可复现、可迭代的公共工程资源。

05
开源地址

AscendBridge（昇桥）2.0主仓：

https://gitcode.com/SLAI/SLAI-AscendBridge2

500模型官方适配仓：

https://gitcode.com/SLAI/SLAI-AscendBridge2-Adaptations

Diffusers文生图专项能力仓：

https://gitcode.com/SLAI/SLAI-Diffusers-Adapter

社区适配合集仓：

https://gitcode.com/SLAI/SLAI-AscendBridge2-Community-Adaptations

从工具开源到模型适配包规模化发布，再到垂类流程与社区贡献机制的建立，AscendBridge（昇桥）2.0正将昇腾模型迁移中分散的经验转为可复用的工程能力。接下来，项目组将持续补充主流模型与重点行业模型适配包，完善质量评测与社区核验流程，让更多模型更快进入昇腾环境，也让每一次适配都能为后来的开发者所用。

联合工作发布组织：

深圳河套学院、华为算力平台先遣队 & 计算产品线