用途：评估大模型训练的硬件利用率（MFU），在需要计算MFU、分析训练效率、对比硬件或配置、提及FLOPs/吞吐量时使用。
主要能力：支持Dense与MoE模型（如LLaMA、Qwen、Mixtral-8x7B及自定义模型）；支持标准FFN、SwiGLU，标准多头注意力与GQA；提供预定义模型配置与自定义配置；输出FLOPs分析、MFU、单卡吞吐量、集群吞吐量及性能评估报告。
使用方式：导入MODEL_CONFIGS、MFUCalculator、TrainingConfig等，配置模型与训练参数（batch_size、micro_batch_size、num_gpus、seq_length、step_time、hardware_peak_flops、hardware_name）后调用calculate_mfu或generate_report；也可用cal_flops_simple与cal_mfu_simple从config.json参数直接计算。默认硬件峰值按Ascend910B2=353 TFLOPS。
数据来源：模型参数从HuggingFace config.json读取，训练参数从启动脚本（torchrun、accelerate）读取，step_time由用户提供或从训练日志提取，硬件信息来自npu-smi/nvidia-smi或环境变量。
限制：MFU准确性依赖step_time与硬件峰值等输入；MoE仅计算激活专家；文档未提供安装方式、收费与价格信息，暂未提供。