# DeepSeek veröffentlicht DeepEP-Ascend für Huawei-NPU-Kommunikation

> DeepSeek macht eine leistungsstarke Kommunikationsbibliothek als Open Source verfügbar, die das MoE-Training auf Ascend-NPUs beschleunigt. Erste Benchmarks zeigen eine Bandbreitenauslastung von bis zu 95 Prozent.

Oossa · 2026-09-30 · https://oossa.com/de/deepseek-releases-deepep-ascend-library-for-huawei-npu-communication

DeepSeek hat ein neues GitHub-Repository namens DeepEP-Ascend veröffentlicht. Es enthält eine Kommunikationsbibliothek für Training und Inferenz auf Huawei-Ascend-NPUs und unterstützt Expert-Parallel-All-to-All, Pipeline-Parallelismus und Remote Memory Access. Die Bibliothek entspricht der NVIDIA-DeepEP-API und lässt sich per pip-Befehl installieren. Erste Tests auf dem Ascend 950DT zeigen bei Expert-Parallel-Größen von bis zu 32 eine Dispatch-Bandbreite nahe der Hardwaregrenze.

## Die Fakten

- Repository am 30. September 2026 erstellt; unterstützt FP8-Dispatch und BF16-Combine
- Benchmarks auf dem Ascend 950DT melden eine Dispatch-Bandbreite von 373–375 GB/s bei EP-Größe 8

## Warum es wichtig ist

Damit können Entwickler Huawei-Ascend-Chips für Mixture-of-Experts-Modelle im großen Maßstab nutzen und erreichen bei der Kommunikation nahezu Hardwaregeschwindigkeit.

## Quellen und Referenzen

1. [New repository deepseek-ai/DeepEP-Ascend: A high-performance communication library for machine learning training and inference on Huawei Ascend NPUs.](https://github.com/deepseek-ai/DeepEP-Ascend) – DeepSeek, 2026-09-30

Zuletzt aktualisiert: 2026-09-30