# DeepSeek släpper DeepEP-Ascend för kommunikation på Huawei NPU:er

> DeepSeek släpper ett högpresterande kommunikationsbibliotek med öppen källkod som snabbar upp träning av MoE-modeller på Ascend-NPU:er. Tidiga prestandatester visar upp till 95 procents bandbreddsnyttjande.

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

DeepSeek har publicerat ett nytt GitHub-arkiv med namnet DeepEP-Ascend. Det innehåller ett kommunikationsbibliotek för träning och inferens på Huawei Ascend-NPU:er och stöder all-to-all-kommunikation med expertparallellisering, pipeline-parallellisering och fjärråtkomst till minne. Biblioteket har samma API som NVIDIA DeepEP och kan installeras med ett pip-kommando. Tidiga tester på Ascend 950DT visar en överföringsbandbredd för dispatch nära hårdvarans gräns vid expertparallella storlekar upp till 32.

## Fakta

- Arkivet skapades 30 september 2026 och stöder FP8-dispatch och BF16-combine
- Prestandatester på Ascend 950DT visar en dispatchbandbredd på 373–375 GB/s vid EP-storlek 8

## Varför det spelar roll

Det gör det möjligt för utvecklare att använda Huaweis Ascend-chip för storskaliga mixture-of-experts-modeller, med kommunikation i hastigheter nära hårdvarans maxkapacitet.

## Källor och referenser

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

Senast uppdaterad: 2026-09-30