依托MTT S5000智算卡与夸娥集群完成全链路训练，MusaCoder在KernelBench评测中达到行业领先水平，同时实现对MiniMax M3模型的Day-0级软件栈优化。
摩尔线程于近期发布并开源了面向GPU底层算子生成的代码大模型MusaCoder，该模型是行业内首个完全基于国产全功能GPU底座完成全流程训练与验证的开源项目。其完整后训练流程依托于基于MTT S5000 GPU构建的“夸娥”智算集群执行，旨在证明国产硬件在承载复杂大模型开发任务上的可靠性。此次发布标志着国产算力生态从底层硬件到上层模型训练的全链路闭环能力得到实质性验证，为行业提供了标准化的参考范式。
在技术细节方面，MusaCoder-27B-RL版本在KernelBench严格评测中表现突出，Overall Pass率达到93.2%，平均分为88.60%。该成绩显示其在代码生成与处理能力上已超越多款国际主流SOTA模型，包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1及Kimi K2.6。与此同时，摩尔线程宣布其旗舰级AI训推一体智算卡MTT S5000完成了对MiniMax新一代原生多模态旗舰模型M3的Day-0适配。针对M3模型百万级上下文窗口与多模态特性，MTT S5000通过硬件级原生FP8加速提供单卡1000 TFLOPS的稠密算力，配合80GB显存及1.6TB/s带宽，支撑超长序列推理。软件层面，摩尔线程基于MUSA C++与Triton-MUSA抽象层实现算子快速迁移，并同步拉起vLLM与SGLang两大主流推理框架。
此次技术进展不仅体现在单一模型的发布，更反映了国产算力生态的持续完善。摩尔线程此前已完成对DeepSeek、Qwen等多个主流大模型的适配工作，而MusaCoder的开源将进一步降低开发者利用国产算力进行算子开发与模型训练的门槛。业内观点认为，代码模型作为AI研发的核心工具，其自主可控程度直接关系到技术发展的安全性与稳定性。通过全栈训练路径打造的高性能代码模型与即时响应的新模型适配能力，为构建稳固的国产人工智能基础设施提供了关键支撑，同时也加剧了国产硬件与国际竞品在生态兼容性上的竞争态势。