摩尔线程 MTT S5000 适配 FlagOS 训练全要素软件栈，实现 Qwen3-0.6B 端到端无中断训练
来源：互联网 2026-03-31 12:46:023 月 27 日消息，摩尔线程今日发文，北京智源人工智能研究院（简称：智源研究院）正式发布重磅验证成果：六款 AI 芯片、三大模型、同构 + 异构千卡 —— 众智 FlagOS 以统一技术栈完成 AI 训练“全要素”验证。注意到，作为本次验证的核心参与厂商之一，摩尔线程基于旗舰级 AI 训推一体全功能 GPU 智算卡 MTT S5000，完整适配了 FlagOS 训练全要素软件栈 —— 包括 FlagScale 系统调度决策框架、Megatron-LM 分布式训练框架、Transformer Engin
3月27日重磅消息：AI训练全要素验证取得关键突破
3月27日，北京智源人工智能研究院正式发布了一项重要的验证成果。该成果实现了对当前AI训练全要素的统一技术验证，成功在统一的FlagOS技术栈上，完成了从六款不同AI芯片、三大主流模型，到复杂的同构与异构千卡集群的全面适配与运行。
此次验证的成功，离不开核心参与厂商摩尔线程的硬件支持。摩尔线程提供了其旗舰产品——AI训推一体全功能GPU智算卡MTT S5000。该卡成功完成了对FlagOS训练所需的整个软件栈体系的完整适配。
该软件栈是驱动现代大模型训练的核心技术体系，覆盖了从资源调度到计算加速的完整流程。它主要包括调度决策框架FlagScale、分布式训练框架Megatron-LM、Transformer Engine加速库、Triton算子库以及FlagCX通信库等一系列关键组件。
实际验证效果如何？相关数据提供了有力佐证。在本次验证中，基于MTT S5000对Qwen3-0.6B语言模型完成了高达1T（万亿）Tokens的端到端无中断训练。整个过程历时超过6天，累计执行超过14000个训练步，全程运行稳定。
训练结果数据极具说服力：所得模型的损失曲线与行业公认的基准线高度吻合，平均相对误差被控制在0.82%以内。更重要的是，在后续的标准下游任务评测中，其性能表现相比行业标杆基准提升了1.65个百分点。这组数据充分证明了，基于MTT S5000这类全功能GPU构建的算力，能够稳定、高效地支持大模型端到端训练任务。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
