2026 年 6 月 10 日，北京 —— 国产全功能 GPU 厂商摩尔线程今日正式发布并开源面向 GPU 底层算子生成的专用代码大模型MusaCoder，包含 9B 与 27B 两大参数版本。这是业内首个基于国产 GPU 算力底座完成全链路训练、验证与优化的开源代码大模型，核心性能比肩国际顶尖水平，将大幅降低国产 GPU 生态的算子开发门槛。

全栈国产算力训练，筑牢自主根基

MusaCoder 的完整后训练流程，全部在摩尔线程自研MTT S5000 GPU构建的夸娥智算集群上完成，实现了从算力硬件、MUSA 架构到模型训练的 100% 自主可控，彻底摆脱对海外算力依赖。作为专为 GPU 底层算子生成打造的专用模型，MusaCoder 聚焦PyTorch 标准算子到高性能 CUDA/MUSA 原生 Kernel 代码的自动生成，直击传统开发中手写底层算子门槛高、周期长、易出错的痛点，显著提升 GPU 高性能计算场景下的代码生成、验证与优化效率。

性能超越国际 SOTA，技术实力领跑

在全球权威 GPU 算子生成评测基准 KernelBench 中，MusaCoder 表现惊艳：MusaCoder-27B-RL 以 Overall Pass@8 93.2%、Avg.@8 88.60% 的成绩，超越 Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1、Kimi K2.6 等主流国际顶尖代码模型，在 GPU 原生 Kernel 生成任务上达到全球领先水平。

技术层面，MusaCoder 创新集成三大核心能力：渐进式内核导向数据合成、多样性保留拒绝微调、基于 MooreEval 分布式验证器的执行反馈强化学习（RL）；同时通过 PrimeEcho、Buffered Dynamic Retry、MirrorPop 等自研技术，解决强化学习训练不稳定、奖励稀疏等行业难题，兼顾代码生成的正确性、性能与稳定性。

全面开源开放，共建国产 GPU 生态

作为摩尔线程 MUSA 软件生态的关键布局，MusaCoder 与此前开源的 MUTLASS 线性代数模板库、TileLang-MUSA 算子开发工具、vLLM-MUSA 推理框架等形成完整工具链，构建从底层硬件、算子开发到模型部署的全栈自主生态，助力开发者基于国产 GPU 快速实现高性能 AI 模型与科学计算应用落地摩尔线程。

推动自主创新，赋能产业升级

摩尔线程创始人表示：“MusaCoder 的开源，是国产 GPU 生态建设的重要里程碑。我们希望通过自主技术创新与开源开放，降低国产 GPU 开发门槛，吸引全球开发者共建 MUSA 生态，推动国产算力从硬件自主向软件生态自主跨越，为中国 AI 产业高质量发展提供坚实算力支撑。”

未来，摩尔线程将持续迭代 MusaCoder，优化模型性能与易用性，拓展算子生成覆盖范围；同时深化开源协作，联合产业链伙伴完善国产 GPU 软件栈，赋能大模型训练、科学计算、工业仿真等关键领域，助力国产算力生态全球化发展。

要不要我把这篇新闻稿精简到 300 字以内，便于快速传播