用国产GPU训练AI给自己写内核，摩尔线程刷榜硬核基准

文章摘要

【关 键 词】 国产算力、代码模型、内核生成、摩尔线程、算力生态

摩尔线程近期发布并开源了面向GPU底层算子生成的专用大模型MusaCoder，该模型在衡量大模型编写高效GPU内核代码能力的KernelBench基准测试中取得领先成绩，超越了多个国内外先进大模型。MusaCoder能够自动将PyTorch代码转换为CUDA与MUSA内核，旨在降低开发者手写底层GPU算子的门槛，为AI训练等任务提供加速。该模型参数量为270亿，却能在严苛的KernelBench测试中达到88.6%的通过率，实现了以小博大的技术突破。

这一突破的核心在于其创新的全栈训练方案与执行式验证协议MooreEval。MooreEval作为自动化、分布式的评估环境，通过真实编译、运行和评测生成的代码，提供结构化反馈和奖励信号，有效指导了模型的训练与优化。此外，MusaCoder构建了面向GPU原生算子生成的全栈后训练体系，通过三阶段渐进式数据合成管道培养模型的GPU编程思维，并引入PrimeEcho、缓冲动态重试和MirrorPop三种机制，显著提升了强化学习过程的稳定性和最终性能。

MusaCoder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的夸娥智算集群上完成。这一实践不仅展示了模型本身在代码生成和性能优化上的能力，更证明了国产GPU集群已经具备支撑复杂、动态、交互式大模型训练任务的能力。从AI模型到GPU硬件的全面国产化，打破了国产AI算力仅能运行推理任务的刻板印象，标志着国产硬件在AI基础设施关键环节上迈入了实用化阶段，为未来复杂的AI研发提供了可复用的工程范式。

原文和模型

【原文链接】 阅读原文 [ 2797字 | 12分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.7-max
【摘要评分】 ★★★★☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。