Day-0支持，摩尔线程完成MiniMaxM3大模型适配

6 月 13 日消息，6 月 12 日，MiniMax 推出了新一代原生多模态旗舰模型 M3，并正式对外开源。同一天，摩尔线程也宣布，其旗舰级 AI 训练与推理一体智算卡 MTT S5000 已完成对该模型的 Day-0 适配工作。

根据官方介绍，MTT S5000 针对 MiniMax M3 的核心技术特点，从硬件算力、软件栈以及开源框架等多个层面进行了全链路的精准匹配和深度优化：

支持超长上下文场景：高密度算力和大容量显存提供了强力支持。MSA 架构带来的超长上下文窗口，对推理阶段的 KV Cache 存储和访存带宽提出了很高的要求。MTT S5000 借助硬件原生的 FP8 加速功能，单卡 AI 算力稠密值高达 1000 TFLOPS；同时配备 80GB 的显存空间和 1.6TB/s 的超高带宽，为处理百万 token 级别的长序列提供了充足的缓存资源和出色的数据吞吐能力。此外，通过 MUSA C++ 和 Triton-MUSA 等抽象层，M3 的新型算子结构能够实现快速迁移，确保摩尔线程平台可以迅速完成架构适配。

赋能领先的编程与 Agentic 能力：实现低延迟和高吞吐的推理优化。面向 M3 重点强化的编程和智能体应用场景，摩尔线程基于此前对 DeepSeek-V4、MiniMax M2.7、GLM-5.1 等多款国产旗舰模型进行 Day-0 适配的经验，已经形成了一套高效且系统化的复杂推理任务优化方法。此次适配通过原生算子定制，在保障模型精度不受影响的前提下，显著提高了推理吞吐量并降低了响应延迟；同时，摩尔线程还同步启动了 vLLM 和 SGLang 这两大主流推理框架，以 MUSA 开放架构拥抱开源生态，为开发者提供了灵活多样的部署选择。

推动原生多模态推理：覆盖全精度并贯通全场景。M3 作为从 Step 0 就开始进行多模态混合训练的模型，更加适合当前 Agentic AI 多样化场景的需求，这也要求算力基础具备多元化的能力。MTT S5000 智算卡支持从 FP8 到 FP64 的全计算精度，能够无缝适配从模型研发到商业应用的完整流程，助力国产旗舰大模型快速实现生态普及。

随着 MiniMax M3 在 MTT S5000 上完成适配，开发者现在可以基于 MUSA 软件栈与 vLLM/SGLang 双框架进行部署，并持续获得算子级别的性能优化支持。

来源：IT之家