性能方面，MTVSR通过MUSA内核调用GPU实现硬件推理加速，目前，用户使用摩尔线程MTT S80/S70系列显卡，并安装最新官方驱动（v340.150或后续版本），即可在VLC nightly build版本中抢先体验MTVSR超分功能，该技术也将随VLC 3.0.24稳定版正式发布，覆盖更广泛的用户群体。与传统播放器常用的双三次插值或Lanczos算法不同，MTVSR采用基于深度学习的实时智

摩尔线程宣布其TileLang-MUSA成为TileLang官方主线版本，实现对DeepSeek-V4最新TileLang算子库TileKernels的"Day-0"支持，为国产GPU上的大模型算子迁移和优化奠定基础。TileLang-MUSA已开源，测试覆盖率超95%，显著提升国产GPU开发效率。这一进展标志着国产AI大模型与GPU深度融合，摩尔线程将持续投入开源生态建设，推

DeepSeek-V4预览版发布当天，摩尔线程通过智能算子迁移系统KernelSwift，在MTTS5000智算卡上实现了80%以上核心算子的Day-0适配。KernelSwift将适配周期从数月缩短至小时级，支持多元国产芯片的"开箱即用"。MTTS5000凭借原生FP8精度支持，为模型提供高效算力底座。经协同优化，21个核心算子均获加速，自动生成算子正确率达100%，展现了国

摩尔线程宣布其TileLang-MUSA成为TileLang官方主线版本，实现对DeepSeek-V4最新TileLang算子库TileKernels的"Day-0"支持，为国产GPU上的大模型算子迁移和优化奠定基础。TileLang-MUSA已开源，测试覆盖率超95%，显著提升国产GPU开发效率。这一进展标志着国产AI大模型与GPU深度融合，摩尔线程将持续投入开源生态建设，推

与通用AI编程工具不同，MUSACODE的定位是工程交付Agent——它不只补全代码片段，更能完整驱动从项目分析、代码生成到调试重构、算子优化与交付的全链路开发流程。在开发体验上，MUSACODE坚持“高效与可控并重”：需要修改文件或执行命令的操作会先请求确认，关键修改可审阅（Diff）、可回退，让AI既能放手干活，又始终处于可控范围内。，它以自然语言为入口，由AI Agent驱动整个开发流程——

从ChatGPT到国产大模型的快速迭代，每一次模型能力的跃升，都依赖算力规模与效率的双重突破。国产算力硬件底座已初步成型，但真正释放芯片潜能，仍高度依赖于软件栈的深度优化——硬件决定理论峰值，软件决定可达性能，未经极致调优的算子与运行时环境，难以将纸面算力转化为实际有效吞吐。作为大模型训练与推理中最核心的计算载荷，GEMM同时考验计算单元的利用效率、访存系统的带宽供给能力，以及二者之间的协同调度水

目前，基于MUSA的SGLang已支持DeepSeek、Qwen、GLM等主流大模型及Wan、LTX等视频生成模型，在MTT S5000等硬件上实现真正的“开箱即用”与无缝加速，显著降低了开发者的算力迁移门槛。通过与SGLang、TileLang、Triton、Mooncake等开源社区的紧密协作，摩尔线程不仅推动了MUSA平台与主流AI框架的深度适配，更。，未来12个月应优先建立跨层级的统一抽象

这一开源举措将有助于提升MUSA在AI开发者社区的可见度，推动MUSA Kernel、编译工具链及运行时生态建设，吸引社区围绕MUSA进行算子优化、KernelBench适配和代码生成模型微调等工作，全面展示摩尔线程在国产GPU、大模型训练、执行反馈强化学习和AI编程工具链方向的综合能力。随着大模型代码生成能力不断提升，行业对代码模型的评估重心正在发生变化：从过去关注“语法是否正确”“能否写出完整

xLLM是一款开源的大模型推理引擎，专为国产AI加速芯片深度优化，已在某电商零售核心业务中完成大规模生产环境验证。不同于vLLM、SGLang等基于Python生态的主流框架，xLLM选择了一条从零构建的技术路线——以C++重构推理引擎核心，从系统层面突破性能瓶颈，而非在现有Python框架上做增量优化。本次性能测试基于MTT S5000单卡环境，在三种典型输入/输出长度配置（2.5k-1k、3.

与通用AI编程工具不同，MUSACODE的定位是工程交付Agent——它不只补全代码片段，更能完整驱动从项目分析、代码生成到调试重构、算子优化与交付的全链路开发流程。在开发体验上，MUSACODE坚持“高效与可控并重”：需要修改文件或执行命令的操作会先请求确认，关键修改可审阅（Diff）、可回退，让AI既能放手干活，又始终处于可控范围内。，它以自然语言为入口，由AI Agent驱动整个开发流程——