新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenCloudOS 原生适配玄武 CLI:一行命令,让国产算力跑起大模型

发布时间:2026/10/31 20:24:15来源:尧图网络
OpenCloudOS 原生适配玄武 CLI:一行命令,让国产算力跑起大模型
随着大模型技术的爆发如何让 AI 在国产算力底座上跑得更稳、更易用成为了开发者关注的核心痛点。近日 OpenCloudOS 社区正式宣布完成与清昴智能旗下“玄武 CLI”的深度适配。 作为 OpenCloudOS 生态中首个原生支持国产算力的大模型零门槛部署工具玄武 CLI 的加入标志着 OpenCloudOS 在构建“操作系统国产芯片大模型”的全栈国产化生态上迈出了关键一步。即日起OpenCloudOS 用户无需复杂的环境配置即可在一键完成沐曦、华为昇腾等国产算力适配流畅运行 Qwen、DeepSeek、GLM、Minimax等主流大模型。无需复杂的环境配置与跨平台调试真正实现国产系统国产算力国产大模型的全栈化协同落地。一、 关于玄武 CLI在过去想要在国产显卡上部署大模型开发者往往面临着“驱动难配、环境难调、算子难对齐”的困境。玄武 CLI被看作“国产版 Ollama”是一款专为国产芯片设计的开源大模型管理工具。它内置了自研的异构推理引擎 MLGuider能够屏蔽不同国产硬件底层的复杂性。它能抹平硬件差异 自动识别并适配华为昇腾、沐曦、摩尔线程等多种国产算力卡。零门槛部署 摒弃繁琐的源码编译和依赖安装提供类 Docker 的极简体验。多引擎路由 根据硬件环境自动选择最优推理后端保证模型性能。目前OpenCloudOS已接入玄武 CLI用户现在可以直接通过命令行工具获取 AI 能力。OpenCloudOS系统底层的稳定性与玄武 CLI 的易用性相结合可以让开发者从繁重的运维工作中解放出来专注于 AI 应用的开发与创新。二、 快速上手在 OpenCloudOS 上玩转大模型如何在 OpenCloudOS 上体验玄武CLI只需简单三步。1.环境准备确保您已安装OpenCloudOS9版本并且已正确安装对应国产显卡的驱动程序如沐曦驱动或昇腾 NPU 驱动并确保可以使用npu-smi(昇腾) 或mx-smi(沐曦) 等命令查询到您的 GPU 设备确保已安装Docker等底层相关依赖。2.一键安装玄武 CLI打开 OpenCloudOS 终端执行以下命令即可完成安装curl -o- http://xw.tsingmao.com/install.sh | bash3.拉取并运行模型安装完成后启动服务并运行大模型以 Qwen3-8B 为例# 1. 启动服务后台xw serve# 2. 拉取模型 (支持断点续传)xw pull qwen3-8b# 3. 运行模型进行对话xw run qwen3-8b此时你就可以在 OpenCloudOS 的终端里直接与大模型进行交互了。同时玄武 CLI 兼容 OpenAI API 标准您可以直接将基于 OpenCloudOS 部署的服务接入到 LangChain、Dify 等应用框架中。此次适配是清昴智能与 OpenCloudOS 在国产科技生态建设中的一次重要携手。未来清昴智能将持续深化与 OpenCloudOS 的生态合作依托玄武 CLI 的自研推理引擎 MLGuider 技术优势针对 OpenCloudOS 的高性能、稳定性等特性做定制化优化进一步提升大模型在该系统上的部署效率与推理性能同时双方将共同探索更多国产化算力场景的解决方案推动玄武 CLI 的大模型部署能力与 OpenCloudOS 的系统能力深度融合为开发者和企业提供更便捷、更高效的全栈国产化 AI 基础设施。未来我们将推动更多 AI 工具链进入 OpenCloudOS 软件源打造更友好的开发者体验。欢迎广大开发者在 OpenCloudOS 上体验玄武 CLI并反馈您的使用感受OpenCloudOS9下载地址https://mirrors.tencent.com/opencloudos/9.4/isos/关于玄武CLIhttps://xw.tsingmao.com/home玄武 CLI 项目地址https://github.com/TsingmaoAI/xw-cliOpenCloudOS 开源社区是由操作系统、云平台、软硬件厂商与个人携手打造中立开放、安全稳定且高性能的 Linux 操作系统及生态。目前已实现从源社区、商业版、到社区稳定版全链路覆盖旨在输出经海量业务验证的企业级稳定操作系统版本为行业解决国产操作系统上下游供应问题促进基础软件可持续发展。点击下方图片了解加入社区权益与方式↓
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/1 1:42:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/1 2:34:07

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/1 2:01:57

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/1 3:13:10

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/1 2:11:52

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/1 3:23:38

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉