摩尔线程通过SGLang等开源框架，推动国产GPU在大模型推理中的应用。此次Meetup展示了SGLang与MUSA的结合，解决了算子优化和生产部署问题，提升了性能和开发效率。摩尔线程致力于融入全球开源生态，成为核心代码的贡献者，推动国产GPU与主流框架的深度融合。

阿里开源Qwen3.5系列新模型，摩尔线程快速适配MTT S5000 GPU，展示MUSA生态的成熟。支持原生MUSA C和Triton-MUSA，优化混合注意力机制，提升推理性能。摩尔线程将继续推动国产算力发展，助力AI生态繁荣。

摩尔线程开源了TorchCodec-MUSA，实现了PyTorch编解码库的硬件适配，支持无缝迁移至国产GPU，提升视频处理效率，简化开发流程，降低使用门槛，推动国产GPU在AI训练中的应用。

摩尔线程开源MUSA加速版MONAI 1.5.0，专注于AI医学影像，提升国产算力。MONAI框架连接学术与临床，已下载350万次。MUSA软件栈优化性能，推动医学AI应用与国产生态发展。

摩尔线程发布了Torch-MUSA v2.7.0，增强了PyTorch深度学习框架的功能和性能，支持统一内存设备，算子超过1050个。新版本集成muSolver和muFFT，加速复杂计算，新增动态双精度转换和分布式检查点功能，优化内存使用和计算效率，未来将持续跟进PyTorch更新。

摩尔线程发布了Torch-MUSA v2.1.1，增强了对大规模深度学习模型的支持，优化了编译性能和内存管理，新增分布式训练和3D支持，简化了集成流程，提升了用户体验。

摩尔线程推出了大语言模型推理框架vLLM的MUSA移植版本，旨在为开发者提供基于摩尔线程GPU的开源项目示例。vLLM通过创新技术显著提升推理性能，开发者可利用MUSA架构简化CUDA代码迁移，提升开发效率，期待与更多开发者共同推动MUSA生态发展。

摩尔线程发布了Torch-MUSA v1.3.0，全面兼容PyTorch 2.2.0，提升模型性能并支持国产GPU，用户可轻松迁移模型。Torch-MUSA开源，鼓励开发者参与改进，未来将持续跟进PyTorch更新。