摩尔线程携手智源 FlagOS，为 MTT S5000 GPU 完成 DeepSeek-V4 模型 Day-0 适配
阅读原文· ithome.com摩尔线程与智源FlagOS合作，成功为MTT S5000 GPU完成了DeepSeek-V4-Flash模型的Day-0适配。该模型采用混合专家架构，总参数量284B，并首次运用“FP4+FP8”混合精度策略。MTT S5000 GPU凭借原生FP8支持及内置硬件级FP8 Tensor Core，能将数据位宽减半，显著降低显存带宽压力并提升计算吞吐量。双方团队通过编译优化与自动调优，重点攻克了FP8算子与Sparse Attention算子，实现了高效适配。
IT之家 4 月 24 日消息，摩尔线程今天携手智源 FlagOS，为旗舰级 AI 训推一体全功能 GPU MTT S5000 完成 DeepSeek-V4-Flash 模型 Day-0 适配。
据介绍，DeepSeek-V4-Flash 模型采用混合专家（MoE）架构，总参数量达 284B，激活参数 13B，支持百万 token（词元）上下文长度。预训练数据超 32Ttoken，在最大推理力度模式（Flash-Max）下推理能力逼近 Pro 版本。
值得注意的是，DeepSeek-V4 模型首次采用了“FP4+FP8”混合精度策略，而国内当前主流 AI 芯片仍普遍以 BF16 为主。摩尔线程凭借原生 FP8 支持能力，可更高效承载 DeepSeek-V4 的前沿精度设计。
同时，MTT S5000 GPU 内置硬件级 FP8 Tensor Core 加速单元，相比传统 BF16/FP16 能将数据位宽直接减半，显存带宽压力降低 50%，理论计算吞吐量实现翻倍。
为充分发挥 MTT S5000 的 FP8 优势，FlagOS 团队为 DeepSeek-V4 模型进行 FP8 量化。通过系统级分析，双方技术团队将本次适配的攻坚重点锁定在 FP8 算子与 Sparse Attention 算子，在“编译优化”与“自动调优”两大方向取得重大突破。
综合IT之家此前报道，摩尔线程已多次 Day-0 即时适配国产大模型，涵盖 MiniMax M2.7、智谱 GLM-5 等