Moore Threads開源了MusaCoder,這是中國首個全棧自主研發的程式碼AI模型

中國的AI算力領域取得了重要里程碑。近日,Molyneux 正式釋出了MusaCoder並將其開源,這是一種專為生成GPU級運算子而設計的程式碼大模型。它是業內首個在功能完備的國產GPU平臺上完成全部訓練與驗證流程的開原始碼模型。
從技術層面來看,MusaCoder的開發標誌著中國算力生態的重大進步。整個訓練後的處理工作都是在由MTT S5000 GPU驅動的“Kuao”計算叢集上完成的。這表明國產硬體能夠可靠且高效地支撐複雜大模型的全鏈條開發,為行業提供了從底層硬體到上層模型訓練的完整方案。
在效能方面,MusaCoder展現出極強的競爭力。在廣受認可的KernelBench嚴格評估中,MusaCoder-27B-RL模型取得了優異成績:整體透過率為93.2%,平均得分為88.60%。這些資料表明它已超越了包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1以及Kimi K2.6在內的多款國際知名的SOTA程式碼模型,躋身行業頂尖水平。
此次開源不僅是對Molyneux在模型領域技術進展的體現,也是強化國內算力生態的關鍵舉措。近年來,Molyneux一直在持續完善相關底層生態,完成了DeepSeek、Qwen和MiniMax等主流模型的適配工作,併發布了開源的運算子開發工具及其他配套解決方案。隨著MusaCoder的正式推出,開發者可以更便捷地利用國產算力加速運算子開發和模型訓練,進一步釋放全功能國產GPU的潛力。
行業分析人士指出,程式碼模型是AI發展的核心引擎,其效能與自主性至關重要。透過全棧訓練方式構建的MusaCoder為國內人工智慧研發提供了更為獨立的工具選擇,這對於夯實本土AI技術的根基具有十分重要的意義。
相關文章
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein
阿里影片釋出萬3.0,實現超長影片生成與多維度一致性
8月24日,阿里巴巴釋出了萬3.0,這是其最新的影片生成大模型。此次釋出標誌著阿里巴巴影片技術的重大飛躍,在時長、通用創作、參考處理以及真實世界模擬方面實現了顯著提升。萬3.0將單影片生成的時長擴充套件至30秒,在單個鏡頭內提供了更為豐富的敘事可能性。它還引入了對多種主流檔案格式的支援——包括doc、xls、ppt、pdf和md——使得文字、表格和幻燈片能夠直接轉換為動態視覺內容。為了解決視覺不一致和風格漂移等常見挑戰,萬3.0在微觀層面確保了高度的穩定性。它在角色外觀、道具細節、音訊設定、空間關係
MiniMax大模型誤讀姓名——稀宇科技:特定Token後訓練不足
MiniMax 最近釋出了一份技術報告,詳細解釋了其 M2 系列模型為何難以準確生成“馬嘉祺”等特定名稱。這一看似錯誤的現象凸顯了當前大語言模型訓練中存在的系統性缺陷。Token 偏移:被擠壓的向量空間根本原因在於分詞器(tokenizer),即文字處理的基本單位。例如,名稱“馬嘉祺”被拆分為兩個 Token:“Ma”和“Jiaqi”。雖然模型在預訓練階段學習了這些 Token,但在隨後的指令微調階段出現了問題。在微調期間,Token “Jiaqi”在對話資料中出現的頻率極低,因此幾乎未接受任何
相關專題推薦
評論 (0)
0/500

中國的AI算力領域取得了重要里程碑。近日,
從技術層面來看,MusaCoder的開發標誌著中國算力生態的重大進步。整個訓練後的處理工作都是在由
在效能方面,MusaCoder展現出極強的競爭力。在廣受認可的KernelBench嚴格評估中,MusaCoder-27B-RL模型取得了優異成績:整體透過率為93.2%,平均得分為88.60%。這些資料表明它已超越了包括Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1以及Kimi K2.6在內的多款國際知名的SOTA程式碼模型,躋身行業頂尖水平。
此次開源不僅是對Molyneux在模型領域技術進展的體現,也是強化國內算力生態的關鍵舉措。近年來,Molyneux一直在持續完善相關底層生態,完成了DeepSeek、Qwen和MiniMax等主流模型的適配工作,併發布了開源的運算子開發工具及其他配套解決方案。隨著MusaCoder的正式推出,開發者可以更便捷地利用國產算力加速運算子開發和模型訓練,進一步釋放全功能國產GPU的潛力。
行業分析人士指出,程式碼模型是AI發展的核心引擎,其效能與自主性至關重要。透過全棧訓練方式構建的MusaCoder為國內人工智慧研發提供了更為獨立的工具選擇,這對於夯實本土AI技術的根基具有十分重要的意義。
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein
阿里影片釋出萬3.0,實現超長影片生成與多維度一致性
8月24日,阿里巴巴釋出了萬3.0,這是其最新的影片生成大模型。此次釋出標誌著阿里巴巴影片技術的重大飛躍,在時長、通用創作、參考處理以及真實世界模擬方面實現了顯著提升。萬3.0將單影片生成的時長擴充套件至30秒,在單個鏡頭內提供了更為豐富的敘事可能性。它還引入了對多種主流檔案格式的支援——包括doc、xls、ppt、pdf和md——使得文字、表格和幻燈片能夠直接轉換為動態視覺內容。為了解決視覺不一致和風格漂移等常見挑戰,萬3.0在微觀層面確保了高度的穩定性。它在角色外觀、道具細節、音訊設定、空間關係
MiniMax大模型誤讀姓名——稀宇科技:特定Token後訓練不足
MiniMax 最近釋出了一份技術報告,詳細解釋了其 M2 系列模型為何難以準確生成“馬嘉祺”等特定名稱。這一看似錯誤的現象凸顯了當前大語言模型訓練中存在的系統性缺陷。Token 偏移:被擠壓的向量空間根本原因在於分詞器(tokenizer),即文字處理的基本單位。例如,名稱“馬嘉祺”被拆分為兩個 Token:“Ma”和“Jiaqi”。雖然模型在預訓練階段學習了這些 Token,但在隨後的指令微調階段出現了問題。在微調期間,Token “Jiaqi”在對話資料中出現的頻率極低,因此幾乎未接受任何





首頁






