近日，摩尔线程正式发布夸娥智算集群 KUAE 1.2 版本。该版本通过软硬件层面的综合性优化，达成了功能与性能的多维升级，使得产品更加高效、稳定，对生态系统更为友好，旨在持续为大模型训练提供坚实可靠的算力支撑以及创新驱动力。
▼MFU提升10%， 最高可达55%
在新版本中，使用千卡集群训练千亿模型，MFU提升10%。稠密模型集群训练MFU最高达到55%。
▼Flash Attention2 优化
通过集成最新的MUSA SDK平台与优化后的Flash Attention2技术，结合新版Torch MUSA和算子融合，显著提升了大模型训练的效率与资源利用率，大幅缩短训练周期并降低了整体成本。
在新版本中，使用千卡集群训练千亿模型，MFU提升10%。稠密模型集群训练MFU最高达到55%。
▼64K长文本支持
新版本增强了对长文本大模型训练的支持，优化了处理长文本理解和生成任务的能力，能够更好地应对文档摘要、文章写作等复杂语言处理任务。
▼支持混合专家模型MoE
MCCL通信库完成了All2All优化，并针对muDNN算子在不同形状下的矩阵运算进行了优化，以更好地支持MoE（Mixture of Experts）大模型的训练。这不仅提升了智算效率，还为更大规模参数的大模型训练提供了高度可扩展的基础。
▼断点续训
进一步提升了大模型训练的Checkpoint读写性能，写入时间小于2秒，显著提高了训练效率。
▼优化DeepSpeed
实现了基于摩尔线程GPU集群的DeepSpeed与Ulysses的适配和性能优化，强化了长文本训练支持。并适配了国内外多款大模型，在Hugging Face上支持训练和微调主要的开源大模型，助力创新型企业基于摩尔线程GPU灵活选择不同的大模型开发智能应用。
▼稳定性提升
千卡集群软硬件进一步成熟，实现了连续无故障训练长达15天。新版本引入了KUAE Aegis可靠性功能，加强了对GPU、显存、集合通信等方面的监控、自动诊断与故障恢复能力。
▼可视化/可观测
引入了PerfSight性能监控系统，可实时显示模型训练过程中的资源消耗与性能分析数据，有助于快速发现并恢复训练期间的故障，满足大模型上的性能调优需求。
▼内置模型库中新增大模型
KUAE内置模型库Model Zoo新增LLaMA2全系列大模型、百川、雅意、Qwen2、Mixtral（MoE 8x7B）等模型。
