El contenido de azufre del metal caliente en un alto horno es un índice importante que refleja los efectos de producción y la calidad del metal caliente. Establecer un modelo de predicción preciso para el contenido de azufre del metal caliente puede guiar el proceso de producción. En el presente estudio, se recopilaron los datos de producción del alto horno y luego se preprocesaron utilizando gráficos de caja. Se utilizó la validación cruzada en el proceso de entrenamiento del modelo para mejorar el rendimiento de generalización y la robustez del modelo. Se establecieron dos modelos para predecir el contenido de azufre en el metal caliente basados en algoritmos de aumento extremo de gradiente (XGBoost) y perceptrón multicapa (MLP). Los resultados muestran que el consumo de carbón (CC), la relación de carbón (CLR) y el consumo de sinter (SC) están todos positivamente correlacionados con el contenido de azufre del metal caliente. La tasa de enriquecimiento de oxígeno (OER) estaba negativamente relacionada con el contenido de azufre del metal caliente. Tanto el modelo de aumento extremo de gradiente (XGBoost) como el modelo de perceptrón multicapa (MLP) predijeron eficazmente el contenido de azufre del metal caliente; sin embargo, el modelo de aumento extremo de gradiente (XGBoost) tuvo una tasa de aciertos, precisión y estabilidad más altas, con una tasa de aciertos del 95.07%.