11月6日，摩尔线程宣布，基于AI训推一体智算卡MTT S5000及MUSA软件栈，已完成月之暗面Kimi-K3.1 Pro模型的Day-0适配，打通模型加载、服务启动及文本、图片基础推理链路。此前11月4日，月之暗面正式公布Kimi K3.1 Pro完整模型权重。
Kimi K3.1 Pro是K3.1系列首款模型，参数规模达3万亿级，支持100万上下文，为月之暗面迄今能力最强的模型。经过大规模后训练和强化学习，该模型在代码、3D创作、金融研究、知识问答及长程Agent任务等方面均有提升。在Arena运营的Agent Arena智能体排行榜中，Kimi K3.1 Pro（Max）位列开放权重模型第一、全部参评模型第13位，并在工作、编程与聊天三个类别中均居开放模型首位。基准测试方面，其Terminal-Bench 4.0得分65.7％，Kimi Code Bench 3.0 Long-horizon得分61.2％，高于K3的55.95％。
围绕Kimi K3.1 Pro的模型架构与计算特性，摩尔线程通过MUSA软件栈完成关键推理路径迁移与适配，支持模型在MTT S5000上稳定运行。MUSA在编程模型、运行时接口和AI框架层面的兼容迁移能力，是本次快速适配的重要基础。团队基于SGLang-MUSA承接上游模型实现，并通过MATE算子库、Triton-MUSA、TileLang-MUSA及MTCC编译器，完成新架构关键计算路径的迁移与接入，将社区模型代码转化为MTT S5000上的实际推理服务。MUSA软件栈同时覆盖框架执行、算子编译、设备运行和多卡通信，使模型适配能够复用成熟接口，并针对新增计算路径开展优化。
针对Kimi-K3.1 Pro采用的稀疏注意力DSA，MUSA软件栈完成索引选择、KV缓存布局及Prefill、Decode计算路径的适配，接入MATE稀疏注意力算子，并与KDA状态管理、跨层残差及视觉Attention共同组成完整执行链路。面对模型采用的MXFP4专家权重，团队通过在线转换与跨层复用FP8工作区的方式执行专家计算，无需预先生成完整的离线FP8权重，为超大模型快速部署提供支持。
随着开放权重大模型参数规模持续攀升，模型发布与国产算力适配之间的时间差正成为衡量算力平台软件生态成熟度的关键指标。此次Day-0适配表明，国产GPU厂商正通过软件栈的兼容层建设，缩短新模型的部署周期，但适配后的实际推理性能与规模化服务能力仍有待进一步验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
