，在显存和性能仿真精度上实现了突破性提升，同时引入多项关键功能，进一步增强了模型兼容性、灵活性。

　　SimuMax是一款专为大语言模型（LLM）分布式训练负载设计的仿真模拟工具，可为从单卡到万卡集群提供仿真支持。

　　它无需实际执行完整训练过程，即可高精度模拟训练中的显存使用和性能表现，帮助用户提前了解训练效率，优化计算效能。

　　基于静态分析模型，摩尔线程自研的SimuMax通过结合成本模型、内存模型和屋顶模型，实现对训练过程的精准仿真。

　　数据并行（DP）、张量并行（TP）、序列并行（SP）、流水线并行（PP）、专家并行（EP）

　　SimuMax 1.0最显著的更新在于其仿真精度的大幅提升，为用户提供更可靠的分析结果。

　　针对Dense和MoE（混合专家）模型，显存估计误差稳定控制在1%以内。

　　此外，SimuMax 1.0还引入了多项新特性，支持更广泛的模型结构和高效率训练需求：

　　在混合专家（MoE）模型中支持自定义Dense层，为模型设计提供了更大的灵活性。

　　提供简化的模型迁移流程，可轻松转换和分析基于Megatron框架的模型，提升与现有生态的互操作性。