信创模盒ModelHub XC近日完成对OpenAI最新开源模型Circuit Sparsity的适配与验证，并在昇腾910B4 NPU等国产算力平台上实现稳定、高效运行。

Circuit Sparsity模型

OpenAI的Circuit Sparsity稀疏模型架构（参数量0.4B、99.9%权重为零）一经开源即引来巨大关注，其以原生稀疏架构构建可读“电路”，破解了大模型“黑箱”难题，成为AI可解释性领域的颠覆性突破和未来大模型演进的重要技术方向。

该模型采用动态剪枝等技术，电路规模较密集模型缩减16倍，颠覆传统参数竞赛，引领行业向“透明化 + 高效化”转型。OpenAI通过 “桥梁网络” 连接稀疏与密集模型，实现了对现有大模型的可解释性行为编辑。

Circuit Sparsity不仅是现有模型的优化，更提供了全新架构方法论，验证了结构性稀疏兼具高性能与高可解释性的可行性，预示下一代模型将走向“电路化”“稀疏化”设计。

ModelHub XC完成Circuit Sparsity 开源模型的适配

架构适配：该新型极度稀疏架构算法底层基于Transformers 架构——以Transformers为蓝本，通过引入动态稀疏约束和组件微调，从根本上重构出一个天生具有结构化稀疏性的新模型架构。同时，这一新架构的编译、计算和数据流模式，又经过优化，以充分释放如昇腾910B这类专用NPU的极致算力。

适配结果：测试数据显示，ModelHub XC平台在昇腾910B4 NPU上对OpenAI开源Circuit Sparsity模型完成了适配与性能验证。

1. 性能提升倍数（关键指标）

请求延迟：NPU 处理单条请求平均延迟仅需 2.00 秒，CPU 则高达 56.21 秒。NPU 的单条处理速度提升了28.11 倍。

吞吐量 (QPS)：NPU的吞吐量为 0.50 条/秒，是 CPU（0.02 条/秒）的 25 倍。

2. 结果分析

巨大性能鸿沟：从“分钟级”响应（CPU）到“秒级”响应（NPU）的跨越，证明了 Circuit Sparsity 这类稀疏模型极度依赖专用AI计算硬件（如NPU）的并行计算与高效内存访问能力，在通用CPU上运行效率极低。