摩尔线程开源代码大模型MusaCoder

摩尔线程近日宣布，正式发布并开源了面向GPU底层算子生成的专用代码大模型——MusaCoder。该模型包含9B和27B两个参数规模，是业内首个基于国产GPU算力底座完成全链路训练与验证的开源代码大模型，其完整后训练流程均在基于MTT S5000构建的夸娥智算集群上完成。

MusaCoder的核心能力在于从PyTorch标准算子自动生成高性能的CUDA或MUSA原生Kernel代码。这一特性旨在显著降低开发者手写底层GPU算子的门槛，提升GPU高性能计算场景下的代码生成、验证和优化效率。对于AI开发者而言，这意味能够更快速地实现算法到硬件的落地，减少繁琐的底层优化工作。

在性能评测方面，MusaCoder-27B-RL在KernelBench基准测试中表现亮眼，以Overall Pass@8 93.2%、Avg.@8 88.60%的成绩，超越了Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1、Kimi K2.6等主流SOTA代码模型，达到当前行业领先水平。这一结果验证了国产GPU在AI大模型训练与推理中的潜力，也为开源社区提供了高质量的代码生成工具。

目前，MusaCoder模型已上传至Hugging Face平台，相关论文也已在arXiv上公开。开发者可以自由下载、使用并基于该模型进行二次开发。摩尔线程表示，将继续优化模型性能，并推动国产GPU生态的繁荣发展。