摩尔线程开源首个全链路自研代码大模型

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其首个全链路自研的代码大模型——MusaCoder。这一举措不仅展示了摩尔线程在AI模型研发上的深厚积累，更标志着国产算力生态在核心代码生成能力上迈出了关键一步。

在技术实现层面，MusaCoder的诞生意义重大。该模型的完整后训练（Post-training）流程，均依托于基于摩尔线程自研GPU的算力集群完成。这意味着，从模型训练到推理部署，MusaCoder实现了全链路的自主可控，为开发者提供了一套不依赖外部算力的完整解决方案。这种端到端的国产化路径，对于构建稳固的国产人工智能底层技术底座具有重要示范意义。

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代码模型，性能稳居行业第一梯队。这一成绩的取得，充分证明了国产AI模型在代码领域具备与国际顶尖水平同台竞技的实力。

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。这种从模型到工具链的全面开放，将有效降低开发者的使用门槛，推动更多创新应用在国产算力平台上落地。

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。在AI技术快速迭代的当下，拥有自主可控的代码生成能力，意味着开发者可以更灵活地优化算法、调试模型，而无需受制于外部技术壁垒。这不仅有助于提升国产AI产品的竞争力，也为整个行业的长期健康发展奠定了坚实基础。