快科技 2 月 12 日消息，智谱发布新一代大模型 GLM-5 之后，摩尔线程立即宣布，在旗舰级 AI 训推一体全功能 GPU MTT S5000 上完成了 Day-0 全流程适配与验证，第一时间提供支持。

MTT S5000 是摩尔线程专为大模型训练、推理及高性能计算设计的全功能 GPU 智算卡，基于第四代 MUSA 架构 " 平湖 "，原生适配 PyTorch、Megatron-LM、vLLM、SGLang 等主流框架。

它早在 2024 年就已经低调推出，但是具体造型、参数、性能一直没有对外公开，非常神秘。

这次在宣布适配 GLM-5 的同时，摩尔线程首次公布了 MTT S5000 的部分参数和性能，非常惊喜！

据悉，MTT S5000 单卡配备多达 80GB 显存，显存带宽高达 1.6TB/s，对比上代 MTT S4000 分别提升了 67％、113％，多卡间的互联带宽也有 784GB/s。

它完整支持从 FP8 到 FP64 的全精度计算，而且是国内最早原生支持 FP8 精度的训练 GPU 之一，配置了硬件级 FP8 Tensor Core 加速单元。

FP8 相比 BF16/FP16 可将数据位宽减半、显存带宽压力降低 50％、理论计算吞吐量翻倍，并全面支持 DeepSeek、Qwen 等架构，训练性能可提升 30％以上。

MTT S5000 的单卡 FP8 AI 算力最高可达 1000 TFLOPS，首次达到 PFLOPS 级别，也就是每秒 1 千万亿次计算。

相比之下，MTT S4000 的算力为 INT8 256 TOPS、BF16 128 TFLOPS、FP32/64 32/64 TFLOPS。

据业内人士称，MTT S5000 实测性能可以对标 NVIDIA H100，尤其是在多模态大模型微调任务中，部分性能更是超越 H100，甚至开始接近最新的 Blackwell 架构。

2026 年 1 月，智源研究院基于 MTT S5000 千卡集群，完成了前沿具身大脑模型 RoboBrain 2.5 ( 数千亿参数 ) 的端到端训练与对齐验证，MTT S5000 表现出了与 H100 集群极高的结果一致性，练损失值 ( loss ) 差异仅为 0.62％，整体训练效果甚至实现小幅超越。

另据互联网厂商的场景实测，MTT S5000 在典型端到端推理及训练任务中，性能可以达到 NVIDIA H20 的 2.5 倍左右。

目前，基于 MTT S5000 的夸娥万卡集群已经落地，浮点运算能力达到 10Flops ( 每秒 1 千亿亿次计算 ) ，在 Dense 稠密模型训练中 MFU 达到 60％，在 MoE 专家模型中维持在 40％左右，有效训练时间占比超过 90％，训练线性扩展效率达 95％。

基于原生 FP8 能力，它能完整复现顶尖大模型的训练流程，Flash Attention 算力利用率超过 95％，多项关键指标均达到国际主流水平。

值得一提的是，MTT S5000 在集群通信层面采用独创的 ACE 技术，将复杂通信任务从计算核心卸载，大幅提升模型算力利用率 ( MFU ) 。

实测显示，MTT S5000 从 64 卡扩展至 1024 卡，系统的线性扩展效率保持在 90％以上，训练速度随算力增加几乎同步倍增。

MTT S5000 在推理场景同样表现优异，比如在 2025 年 12 月，摩尔线程联合硅基流动基于 MTT S5000 完成了对 DeepSeek-V3 671B 满血版的深度适配与性能测试。

实测单卡 Prefill 吞吐超过 4000 tokens/s，Decode 吞吐超过 1000 tokens/s，刷新了国产 GPU 的推理纪录。