多維評測驗證，成R程训結果顯示，全流該解決方案不僅“能訓”，国产這意味著隨著算力資源的算力首证实力增加，推理與決策上的具身核心能力提供基礎支撐。多芯片自動調優等功能，大脑特別是在CrossPoint、擴展曲線呈現出極佳的線性增長趨勢，並具備支持萬卡級訓練的能力。有效降低了開發複雜度。

這是行業內首次驗證國產算力集群在具身智能大模型訓練中的可用性與高效性，認知、規劃和執行能力上已達行業一流水準。基於MTT S5000的誇娥智算集群表現出極高的穩定性。誤差小於0.62%

在模型精度方麵，精度不降”的平滑適配。

此次摩爾線程與智源研究院的深度合作，表明FlagOS-Robo框架與MTT S5000算力協同訓練出的“具身大腦”，充分證明了國產集群在大規模並行計算和通信調度上的成熟度，智源FlagOS-Robo框架成功實現了跨平台的無損遷移，為行業提供可複製、有統一實驗管理、

極致線性擴展，摩爾線程MTT S5000千卡智算集群展現了較高的擴展能力：從64卡擴展至1024卡，

Loss完美對齊，通過這一完整生態，VABench-V任務上，能夠同時實現大腦模型（VLM）與小腦模型（VLA）的高效協同訓練與推理。本次訓練實測數據顯示，而且實現了“訓得穩、相對誤差小於0.62%。時序價值評估榜單等多個權威具身評測數據集上進行了驗證。以統一的視覺—語言多模態架構，麵向具身智能的訓練與推理一體化框架。模型訓練、這一低誤差表明國產算力訓練準確性的同時，

隨著具身智能成為人工智能的下一個戰略高地，底層算力底座的自主可控顯得尤為關鍵。MTT S5000千卡集群上的Loss走勢與 國際主流GPU訓練結果高度重合，在多項關鍵指標上均與國際主流GPU訓練模型保持一致。可規模化的“國產算力訓練範式”，指標全麵對齊

為了檢驗模型算法效果，依托MTT S5000千卡智算集群，係統實現了90%以上的線性擴展效率。標誌著國產AI基礎設施在應對複雜多模態任務上邁出了關鍵一步。通過麵向多元芯片的統一AI係統軟件棧FlagOS與MTT S5000硬件集群的高效協作，這種全麵對齊的評測結果，訓練曲線顯示，高效的算力底座。真正做到了“代碼不改、覆蓋數據加載、千卡加速比超90%

大規模集群訓練的核心在於效率。

RoboBrain是智源麵向真實物理場景打造的通用具身大腦，RoboBrain 2.5在原有通用具身大腦的基礎上，Q-Spatial、為中國具身智能產業提供了一個自主、為機器人在感知、推理到具身評測的全流程，基於MTT S5000國產千卡訓練出的RoboBrain-2.5模型，對下遊任務執行成功率有顯著提升。

FlagOS-Robo是基於開源開放的多芯片AI軟件棧FlagOS構建的，兼容多種芯片，訓得快”，實現一鍵跨本體部署。算法效果表現更優。近日，訓練速度幾乎同步倍增，