IT 之家 3 月 2 日消息，DeepSeek 開源周正式收官，摩爾線程智能科技（北京）股份有限公司昨日晚發文宣布，在短時間内成功實現對 DeepSeek 各個開源項目的全面支持，涵蓋 FlashMLA、DeepEP、DeepGEMM、DualPipe 以及 Fire-Flyer 文件系統（3FS）。
IT 之家附摩爾線程支持 DeepSeek 開源周 " 全家桶 " 代碼合集如下：
FlashMLA
FlashMLA 是一款高效的 MLA（Multi-Head Latent Attention）推理内核開源倉庫，旨在加速 MLA 機制的計算，特别适用于 DeepSeek 系列模型（如 DeepSeek-V2、V3 和 R1）。
摩爾線程基于全新 MUSA Compute Capability 3.1 計算架構，可提供原生 FP8 計算能力，同時升級了高性能線性代數模闆庫 MUTLASS，快速支持了 FlashMLA。借助 MUTLASS 0.2.0，摩爾線程發布開源倉庫 MT-FlashMLA，能夠快速對 DeepSeek FlashMLA 進行兼容部署。
MT-FlashMLA 開源地址：
MUTLASS FlashAttention3 地址：
DeepEP
DeepEP 是一個用于 MoE（混合專家）模型訓練和推理的開源 EP（expert parallelism，專家并行）通信庫，主要适用于大模型訓練，特别是需要 EP 的集群訓練。它通過優化通信信道的使用率，顯著提升了訓練效率。摩爾線程基于 MUSA Compute Capability 3.1 全功能 GPU，第一時間适配了 DeepEP，支持以下特性：
高效優化的 All-to-All 通信，支持 dispatch & combine
支持 MTLink + GPU（MUSA Compute Capability 3.1）節點内通信
訓練及推理預填充階段的高吞吐量計算核心
推理解碼階段的低延遲計算核心
原生支持 FP8 數據分發
靈活控制 GPU 資源，實現計算與通信的高效重疊
MT-DeepEP 開源地址：DeepGEMM
DeepGEMM 是一個支持密集矩陣與混合專家（MoE）矩陣乘法的 FP8 GEMM 庫，爲 V3 / R1 的訓練與推理提供強大動力。這個開源倉庫基于高性能通用矩陣乘法（GEMM）的 C++ 模闆庫進行開發。摩爾線程基于 MUTLASS 在全新 GPU 架構上優化實現了 FP8 矩陣乘法，支持 DeepGEMM 的相應功能。
MUTLASS FP8 GEMM 地址：
DualPipe
DualPipe 是 DeepSeek-V3 提出的雙向流水線并行算法，通過前向計算與後向計算階段的計算與通信完全重疊，顯著減少了 " 流水線氣泡 "（設備空閑等待）。與傳統流水線并行相比，DualPipe 采用雙向數據流設計，使數據從兩端相向處理，大幅提升了資源利用率與訓練效率。
摩爾線程依托深度學習框架 Torch-MUSA（已開源）和 MUSA 軟件棧全方位的兼容性，實現了對 DualPipe 這一算法的高效支持。MT-DualPipe 可以完整接入摩爾線程 MT-Megatron 框架和 MT-TransformerEngine 框架（即将開源），實現 DeepSeek V3 訓練流程的完整複現。
MT-DualPipe 開源地址：
Torch-MUSA 開源地址：
3FS
Fire-Flyer 文件系統（3FS）是一種利用現代 SSD 和 RDMA 網絡的全部帶寬的并行文件系統，可以把固态硬盤的帶寬性能利用到極緻，在 V3 和 R1 的訓練與推理過程中，3FS 成爲關鍵支撐，以應對 AI 訓練和推理工作負載的挑戰。
摩爾線程在一天内迅速完成了高性能分布式文件系統 3FS 的搭建，并高效開發了存儲插件，成功實現與誇娥智算集群的無縫集成，爲 AI 訓練、AI 推理、科學計算等場景提供全棧存儲加速方案。
3FS CSI Driver 地址：
