摩尔线程完成DeepSeek-V4.1-Flash大模型适配

9月10日，DeepSeek发布并开源新一代原生多模态大模型DeepSeek-V4.1-Flash。摩尔线程基于MTT S5000 AI训推一体智算卡和自研MUSA软件栈，第一时间对接SGLang官方主线，完成模型权重加载、推理服务启动和文本问答验证，并同步支持V4.1-Flash的原生多模态能力。图文混合输入、图像理解、视觉问答等任务均可在MTT S5000上直接运行，实现对该模型的Day-0支持。

图示： DeepSeek-V4.1-Flash在MTT S5000上的文本问答实测结果

图示： DeepSeek-V4.1-Flash在MTT S5000上的多模态对话实测结果

DeepSeek-V4.1-Flash为552B参数的MoE模型，采用全新的Causal-Encoder-Decoder非对称架构：输入侧激活参数量为8B，输出侧为16B，在兼顾模型能力的同时，有效降低推理成本。此外，模型采用新的预训练方法，并经过更大规模的强化学习后训练；据官方披露，其在多项基准测试中展现出领先表现，在部分核心指标上超过 DeepSeek-V4-Pro等旗舰模型。

图示：DeepSeek-V4.1-Flash与主流前沿模型在Agentic Benchmark上的性能对比

面向新架构，构建Day-0系统级工程路径

针对DeepSeek-V4.1-Flash的技术特性，摩尔线程围绕硬件算力、软件栈与开源框架进行协同适配，在MTT S5000上形成从模型接入、运行时调度到专用算子支持的系统级工程路径：

基于SGLang官方主线快速承接。

MUSA已成为SGLang官方后端，为摩尔线程快速承接新模型提供了统一入口。针对DeepSeek-V4.1-Flash，团队直接沿用SGLang主线的模型定义、调度逻辑、服务接口和多模态输入处理管线，缩短了从模型发布到服务拉起的周期。目前框架侧已形成从模型入口、运行时调度到MUSA专用算子路由的完整适配链路，模型适配可以更快进入统一、可持续演进的服务体系。

复用既有基础设施，大幅缩短适配周期。

摩尔线程此前已完成DeepSeek-V4相关算子、缓存、通信和运行时等基础设施建设，并在多模态模型适配上积累了视觉编码、图文预处理等链路经验。面对V4.1-Flash，团队复用RoPE、top-k、MoE、mHC等成熟能力，将主要工作集中在新架构差异、关键路径和多模态输入链路的适配上。既有积累使模型迁移无需从零开始，不仅显著缩短了适配周期，也为后续DeepSeek系列模型及其多模态能力演进提供了可复用的工程底座。

多渠道算子快速补齐，持续释放性能。

针对DeepSeek-V4.1-Flash引入的新算子与新路径，无论是文本侧的注意力与缓存机制，还是多模态链路上的视觉编码、图像预处理环节，摩尔线程都以多渠道协同的方式快速补齐：CSA2跟随Flash MLA官方主线快速适配，Triton-MUSA用于快速建立正确性基线，TileLang-MUSA用于持续迭代关键算子性能，MATE则负责统一接口和调度协同。框架、算子与运行时路径相互衔接，确保模型先快速跑起来，再持续完成热点优化，稳步释放模型推理性能。

原生多模态能力同步支持。

除文本推理外，本次适配同步支持了DeepSeek-V4.1-Flash的原生多模态能力。依托SGLang主线的多模态接入路径，以及MUSA软件栈在视觉编码、图文输入处理等关键链路上的适配，模型可在MTT S5000上直接处理图文混合输入，完成图像理解、视觉问答、图表解析等多模态对话任务。

持续优化，释放性能潜力

后续，摩尔线程将持续推进DeepSeek-V4.1-Flash在MTT S5000上的性能演进，优化方向包括：CSA2融合内核、FP4 KV Cache、长上下文内存管理、Engram预取、DSpark调度、MUSA Graph和Prefill/Decode分离等，多模态链路的性能与稳定性也将同步打磨。

随着这些优化逐步落地，DeepSeek-V4.1-Flash在MTT S5000上的性能潜力将持续释放，为开发者提供高效、稳定、易用的国产AI算力支持。

关于摩尔线程

摩尔线程以全功能GPU为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供强大的AI计算支持。

我们的目标是成为具备国际竞争力的GPU领军企业，为融合人工智能和数字孪生的数智世界打造先进的加速计算平台。我们的愿景是为美好世界加速。