摩尔线程MTT S5000完成Kimi-K3.1 Pro适配：3万亿参数模型Day-0落地

11月6日消息，月之暗面在11月4日把Kimi K3.1 Pro的完整模型权重公开了出来。Arena运营的Agent Arena智能体榜单上，Kimi K3.1 Pro（Max）排在开放权重模型头名，在全部参评模型中居第13位；工作、编程、聊天三个类别里，它都拿下开放模型第一。

摩尔线程今天对外透露，借助AI训推一体智算卡MTT S5000和MUSA软件栈，公司已经完成Kimi-K3.1 Pro的Day-0适配，模型加载、服务启动以及文本、图片的基础推理链路均已跑通。

Kimi K3.1 Pro是K3.1系列的第一款模型，也是目前能力最强的3万亿级参数模型，上下文长度支持100万。经过大规模后训练和强化学习，它在代码、3D创作、金融研究、知识问答、长程Agent任务等方面都有提升；代码与Agent基准测试中，其成绩已经达到或接近顶尖闭源模型：Terminal-Bench 4.0拿65.7%，Kimi Code Bench 3.0 Long-horizon拿61.2%，K3则是55.95%。

摩尔线程方面称，团队围绕Kimi K3.1 Pro的模型架构和计算特性，通过MUSA软件栈把关键推理路径做了迁移和适配，模型在MTT S5000上可以稳定运行。

• MUSA软件栈兼容性高，新模型因此能快速迁移：它在编程模型、运行时接口和AI框架层面能迅速兼容迁移，这是此次适配快的重要原因。团队用SGLang-MUSA承接上游模型实现，再借MATE算子库、Triton-MUSA、TileLang-MUSA和MTCC编译器，把新架构的关键计算路径迁移并接入，让社区模型代码变成MTT S5000上真正跑得起来的推理服务。框架执行、算子编译、设备运行、多卡通信，MUSA软件栈都有覆盖，模型适配可以沿用成熟接口，再针对新增计算路径做优化。

• 接入DSA，把混合注意力与视觉计算打通：Kimi-K3.1 Pro采用稀疏注意力DSA，MUSA软件栈完成了索引选择、KV缓存布局以及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、视觉Attention一起构成完整的执行链路。模型用的是MXFP4专家权重，团队采取在线转换、跨层复用FP8工作区的办法执行专家计算，不必提前生成完整的离线FP8权重，超大模型快速部署由此多了一条路。