摩尔线程完成腾讯Hy3和美团LongCat-2.0适配

同一天内，摩尔线程一口气完成了两款国产大模型的适配工作。7月6日，腾讯新一代大模型Hy3正式开源，而摩尔线程的旗舰级AI训推一体智算卡MTT S5000，也在同一天实现了Day-0极速适配——这个速度，在国产算力生态中并不多见。

先说说这款Hy3。它是腾讯混元团队研发的快慢思考融合混合专家模型，总参数量295B，但激活参数只有21B，支持256K上下文长度。和之前的preview版本相比，它的智能水平不仅显著强于同尺寸模型，甚至能比肩参数规模2到5倍的旗舰模型。尤其在软件开发、办公生产、金融建模、前端设计、游戏制作这些生产力场景中，提升相当明显。背后有WorkBuddy、元宝、微信、AI游戏助手等真实业务场景的持续打磨，产品稳定性和用户体验自然水涨船高。可以说，腾讯丰富的业务场景与混元模型的能力迭代，已经形成了相互促进的良性循环。

针对Hy3的能力特点，MTT S5000从硬件算力、软件栈到开源框架，做了全链路的精准匹配和深度优化。这不是一锤子买卖，而是基于摩尔线程之前适配DeepSeek-V4、MiniMax M3.0、Kimi2.6、GLM-5.2等多款国产旗舰模型的实战经验，逐步沉淀出来的一套高效、系统化的复杂推理任务优化方法论。具体来看，通过muDNN、MATE高效算子库，再加上Triton-MUSA编译优化和SGLang-MUSA框架层加速，在保证模型精度无损的前提下，显著提升了推理吞吐，同时降低了响应延迟。

复杂推理与长文理解是Hy3的重头戏。256K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极高要求。MTT S5000靠的是硬件级原生FP8加速，加上大容量显存和高带宽，为百万token级的长序列提供充足的缓存空间和卓越的数据吞吐能力。换句话说，大模型的长文本推理，不会再被硬件瓶颈卡脖子。

同一天，美团的新一代万亿参数大模型LongCat-2.0也正式宣布开源。摩尔线程基于MTT S5000和MUSA软件栈，同样完成了快速适配。这次适配覆盖了模型加载、推理引擎拉起、关键算子优化、部署验证与精度校验等全链路环节，让LongCat-2.0能在MTT S5000上稳定、高效地跑推理。对于开发者和企业客户来说，这无疑是一条更便捷的模型部署路径。

LongCat-2.0是美团自研的新一代万亿参数MoE大模型，总参数量达到1.6T，平均激活约48B，动态范围在33B到56B之间。它专门为Agentic Coding场景设计，原生支持1M超长上下文，并且通过自研的稀疏注意力机制（LSA）、ScMoE跨层快捷连接架构，以及零计算专家动态激活机制，实现了资源的高效利用和多任务协同。综合评测结果来看，LongCat-2.0在Code和General Agent场景表现相当抢眼，已经跻身全球最受开发者欢迎的智能体核心大模型之一。

展望未来，摩尔线程表示将继续依托MUSA软件栈的生态兼容性，保持对前沿大模型的快速适配能力。一句话：用高性能国产算力基础设施，为开发者提供稳定可靠的AI算力支撑——这不仅是口号，更是正在落地的现实。