國產人工智能算力領域迎來重要突破。近日，摩爾線程正式發佈並開源了專門用於GPU底層算子生成的代碼大模型——MusaCoder，這也是業內首個完全基於國產全功能GPU底座完成全流程訓練與驗證的開源代碼模型。

在技術實現層面，MusaCoder的誕生標誌着國產算力生態的重要進展。該模型的完整後訓練（Post-training）流程，均依託於基於MTT S5000GPU構建的“誇娥”智算集羣上完成。這一成果證明了國產硬件在承載複雜大模型全鏈路開發任務上的可靠性與高效性，爲行業提供了從底層硬件到上層模型訓練的完整參考範式。

在性能表現上，MusaCoder展現出了極強的競爭力。在行業公認的KernelBench嚴格評測中，MusaCoder-27B-RL模型取得了顯著成績：其Overall Pass率達到93.2%，平均分達到88.60%。這一測試結果顯示，該模型在代碼生成與處理能力上，已超越了包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5. 1 以及Kimi K2. 6 在內的多款國際主流SOTA（State-of-the-art）代碼模型，性能穩居行業第一梯隊。

此次開源不僅是摩爾線程在模型層面的技術積累，更是其完善國產算力生態佈局的關鍵舉措。近年來，摩爾線程持續深耕底層生態，已陸續完成對DeepSeek、Qwen、MiniMax等多個主流大模型的適配工作，並推出了開源算子開發工具等配套方案。隨着MusaCoder的正式開源，開發者能夠更便捷地利用國產算力底座，加速算子開發與模型訓練進程，進一步釋放國產全功能GPU的計算潛能。

業內分析人士指出，代碼模型作爲AI開發的核心“發動機”，其性能與自主可控程度至關重要。摩爾線程此次通過全棧訓練路徑打造的MusaCoder，爲國產AI研發提供了更具自主性的工具選擇，對於構建更加穩固的國產人工智能底層技術底座具有重要意義。