# DeepSeek publica DeepEP-Ascend para Huawei NPU

> DeepSeek libera una biblioteca de comunicación de alto rendimiento que acelera el entrenamiento de modelos MoE en NPU Ascend. Las primeras pruebas muestran un uso del ancho de banda de hasta el 95 %.

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

DeepSeek publicó en GitHub un nuevo repositorio llamado DeepEP-Ascend. Ofrece una biblioteca de comunicación para entrenar y ejecutar modelos en NPU Huawei Ascend, compatible con operaciones all-to-all con paralelismo de expertos, paralelismo de canalización y acceso remoto a memoria. La biblioteca replica la API de NVIDIA DeepEP y se puede instalar con un comando de pip. Las primeras pruebas en Ascend 950DT muestran un ancho de banda de distribución cercano al límite del hardware para tamaños de paralelismo de expertos de hasta 32.

## Los hechos

- El repositorio se creó el 30 de septiembre de 2026; admite distribución FP8 y combinación BF16
- Las pruebas en Ascend 950DT registran un ancho de banda de distribución de 373-375 GB/s con un tamaño EP de 8

## Por qué importa

Permite a los desarrolladores usar los chips Ascend de Huawei para modelos de mezcla de expertos a gran escala, con velocidades de comunicación cercanas al límite del hardware.

## Fuentes y referencias

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

Última actualización: 2026-09-30