国产AI算力里程碑：摩尔线程发布并开源首个全链路自研代码大模型MusaCoder

国产人工智能算力领域迎来重要突破。近日， 摩尔线程 正式发布并开源了专门用于GPU底层算子生成的代码大模型——MusaCoder，这也是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代码模型。

在技术实现层面，MusaCoder的诞生标志着国产算力生态的重要进展。该模型的完整后训练（Post-training）流程，均依托于基于 MTT S5000 GPU构建的“夸娥”智算集群上完成。这一成果证明了国产硬件在承载复杂大模型全链路开发任务上的可靠性与高效性，为行业提供了从底层硬件到上层模型训练的完整参考范式。

在性能表现上，MusaCoder展现出了极强的竞争力。在行业公认的KernelBench严格评测中，MusaCoder-27B-RL模型取得了显著成绩：其Overall Pass率达到93.2%，平均分达到88.60%。这一测试结果显示，该模型在代码生成与处理能力上，已超越了包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5. 1 以及Kimi K2. 6 在内的多款国际主流SOTA（State-of-the-art）代码模型，性能稳居行业 第一 梯队。

此次开源不仅是摩尔线程在模型层面的技术积累，更是其完善国产算力生态布局的关键举措。近年来，摩尔线程持续深耕底层生态，已陆续完成对DeepSeek、Qwen、MiniMax等多个主流大模型的适配工作，并推出了开源算子开发工具等配套方案。随着MusaCoder的正式开源，开发者能够更便捷地利用国产算力底座，加速算子开发与模型训练进程，进一步释放国产全功能GPU的计算潜能。

业内分析人士指出，代码模型作为AI开发的核心“发动机”，其性能与自主可控程度至关重要。摩尔线程此次通过全栈训练路径打造的MusaCoder，为国产AI研发提供了更具自主性的工具选择，对于构建更加稳固的国产人工智能底层技术底座具有重要意义。