Modular发布了Mojo 1.0.0b1，展示了如何利用AI代理快速构建应用程序和库。开发者可以在几周内创建多个Mojo库和一个生产级应用，显著提高开发效率。该项目强调API设计的重要性，并通过一致的项目结构和测试模式，促进Mojo生态系统的快速发展。

Modular推出了Mojo语言，旨在提升现代AI编程效率。Mojo具有简洁的语法和强大的类型系统，能够在编译时捕捉错误，减少调试时间。用户可以通过AI代理技能快速将CUDA代码转换为Mojo，支持多种GPU架构。Mojo 1.0 beta版已发布，用户可利用这些技能加速Python代码或替换CUDA。

Modular发布了Mojo 1.0测试版，标志着新语言时代的开始。此次更新包括视频生成、多GPU支持和简化的Mojo语法，旨在提升开发者体验并促进广泛采用。

Modular推出的Structured Mojo Kernels旨在提升GPU编程的可维护性和性能。该架构通过组件化设计，实现了在不同硬件上高效运行的能力。与传统方法相比，Structured Mojo Kernels显著减少了代码量，同时保持与CUTLASS相同的性能，展现了可重用性和资源管理的优势。

本文讨论了结构化Mojo内核的设计，强调模块化编程的优势。通过示例展示了如何灵活替换和参数化内核组件，以适应不同的数据访问模式和数据类型，从而提高内核的维护和扩展效率，减少代码冗余和错误传播。

在NVIDIA GTC展会上，我们展示了基于MAX框架的FLUX图像生成和Mojo编程的CUTLASS内核移植。DeepSeek V3在云端运行，提供实时指标，欢迎到3004号展位交流。

Modular收购BentoML，旨在提供云端AI生产解决方案。文章介绍了结构化Mojo内核架构，强调其在GPU内核中的优势，如减少代码量和提高性能。通过分离数据移动、管道协调和计算，结构化内核实现了跨硬件的可扩展性，简化了开发过程。

Modular收购BentoML，旨在提供云端AI生产解决方案。Mojo语言通过结构化内核简化GPU编程，提升开发效率，减少代码复杂性，同时保持高性能。结构化Mojo内核将逻辑分为三个核心组件，确保清晰的接口和职责分离，降低错误率并提高可维护性。

一位Mojo社区成员利用AI在Mojo中解决了量化挑战，其速度比C++/CUDA实现快1.07到1.84倍。Mojo简化了GPU编程，适合开发者使用。

我参加了一个量化挑战，使用Mojo编程，结果比C++/CUDA实现快1.07到1.84倍。Mojo简化了GPU编程，适合开发者尝试。

Mojo语言自三年前起步，现已发展至1.0版本，旨在为开发者提供高性能的CPU和GPU编程。它结合了Python语法与现代系统编程能力，促进了开发者社区的成长。1.0版本将增强稳定性，未来将推出更多功能。

模块宇宙正在快速发展，社区不断创新，开发者们推出了Mojo的高性能计算库和量子模拟器。模块在AI和高性能计算领域表现优异，最近的基准测试显示其性能超过CUDA。模块团队还将举办活动，欢迎参与。

本系列博客将展示如何在Nvidia Blackwell GPU上编写高性能矩阵乘法内核，力求达到或超越cuBLAS的性能。第一部分介绍矩阵乘法的重要性及其在大型语言模型中的应用，并用Mojo语言实现简单的矩阵乘法。后续部分将逐步优化内核性能，利用Blackwell的新硬件指令。

过去一个月，Modular生态系统迎来了多个社区项目和里程碑。Modular Platform 25.5发布，支持大规模批量推理，成本降低80%。社区成员积极实验Gaussian splatting，构建Mojo中的概率数据结构，并举办聚会。Mojo在2025年Stack Overflow开发者调查中首次亮相，显示出快速采用。

上个月，Modular生态系统发布了25.4版本，与AMD建立了合作关系，支持AMD和NVIDIA硬件。新版本在BF16工作负载上提升了53%的吞吐量。全球开发者参与了Modular Hack Weekend，创造了量子模拟器和生物信息学库等项目。此外，推出了Mammoth系统，支持跨GPU的GenAI推理，Mojo内核可直接集成到Python工作流中。