Mojo 的性能表现体现在哪些方面？

1. 接近甚至超过厂商调优库的矩阵乘法表现

在 AMD Instinct MI355 的适配案例中，Modular 公开了 M=N=K=8192 规模下的实测数据：上线当天初始版本的 Mojo matmul kernel 达到 1,202,302.79 GFlop/s，AMD 的 hipBLASLt 库为 1,561,446.68 GFlop/s，经过约一天的参数调整后，Mojo kernel 提升到 1,610,514.29 GFlop/s，即比当时的业界最优水平快约 3%。需要说明，该组数据由 Modular 官方在自家博客中披露，属于厂商自测结果。

2. 少量代码即可承载核心算子

同一案例中，整套 matmul 实现只有约 500 行带有完整注释的代码。而且同一份代码在 MI300、MI325、MI355 三代 AMD 硬件上都能保持接近最优的性能，跨代移植主要靠参数化调整完成。

3. 端到端推理吞吐优势

在相同场景的下游对比中，MAX 相比 AMD 优化过的 vLLM 分支，在多种工作负载下最高达到 2.2 倍的领先幅度，同时保持了对 MI300、MI325、MI355 的完整可移植性。

4. 开发者效率层面的性能收益

Mojo 的性能价值不仅体现在运行时，也体现在工程效率上。上述新硬件适配仅耗时约两周、投入约 1.5 名工程师、提交 20 个小规模代码合并请求，官方将其归因于参数化算子与架构无关设计带来的工程杠杆。