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
一句话看懂：摩尔线程正式发布并开源了代码大模型 MusaCoder，这是行业首个基于全功能国产GPU平台完成完整训练与验证的开源代码模型。在权威评测中，其表现已超越Claude Opus 4.7、DeepSeek-V4 Pro等多个国际主流模型，证明了国产算力支撑复杂大模型全链路开发的能力。
事件核心：发生了什么
6月10日，摩尔线程正式发布并开源了专为GPU级算子生成设计的代码大模型——MusaCoder。该模型的整个后训练过程，全部在基于 MTT S5000 GPU 搭建的“夸娥”计算集群上完成，实现了从底层硬件到上层模型训练的全栈自主。在KernelBench严格评测中，MusaCoder-27B-RL模型的Overall通过率达到93.2%，平均得分88.60%，超越包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1、Kimi K2.6在内的多个知名SOTA模型。目前，MusaCoder已正式开源，开发者可直接使用。
为什么重要
此次发布的重要意义不在于单一模型性能的领先，而在于打通了“国产GPU训练国产大模型”的全链路闭环。过去，国产AI芯片常被质疑能否支撑大模型训练，MusaCoder用实际数据证明了MTT S5000集群能够完成从后训练到验证的完整流程。这不仅为国内AI研发提供了一套更自主的算力工具链，也为其他国产硬件厂商提供了可复现的参考范式。在自主可控需求日益增长的背景下，MusaCoder的出现降低了国内AI生态对海外算力的依赖程度。
对用户/开发者/创作者的影响
对AI开发者而言，MusaCoder开源意味着可以直接基于国产GPU环境加速算子开发和模型训练，不再受限于NVIDIA CUDA生态。企业级用户在实际采购算力时，拥有了性能已经过公开验证的国产替代选项。GPU层面的代码生成能力，也能帮助基层算法工程师提升算子开发和调试效率。对于科研机构或开源社区，MusaCoder提供了完整的模型权重与训练方案，可作为进一步二次开发的基础。同时，摩尔线程此前已完成对DeepSeek、Qwen、MiniMax等主流大模型的适配，与MusaCoder形成生态协同。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，MusaCoder在更大规模的生产环境中的稳定性与推理效率仍需更多第三方独立验证，尤其是面对复杂业务场景时的实际表现。第二，随着中国AI芯片厂商的集体发力，竞品如华为昇腾、寒武纪、壁仞科技等是否会在代码模型或算子生成领域推出同类产品，值得观察。第三，开源生态的活跃度与贡献者数量将直接影响MusaCoder的迭代速度和应用边界，开发者社区的反馈是检验技术落地能力的关键指标。
来源：AIbase
