美团LongCat-2.0：国产算力集群完成万亿模型闭环，能否引领AI新突破？

【美团发布LongCat-2.0】

6月30日，美团发布新一代基础大模型LongCat-2.0。该模型采用MoE架构，总参数1.6万亿，每个Token激活参数约480亿。在正式发布前，LongCat-2.0曾匿名“Owl Alpha”接入OpenRouter，进入总调用量前三。在Claude Code Agent场景下，其调用量排名全球第二，仅次于Claude Opus 4.8。

【LongCat-2.0的相对劣势】

不过，LongCat-2.0并非性能最顶尖的模型。技术社区认为，其Agent核心能力接近Claude Opus 4.6，落后于最新的Claude Opus 4.8。它也不是性能最强的国产模型，社群普遍认为它的Coding能力略优于智谱AI的GLM-5.1，但落后于6月新发布的GLM-5.2。同时，它也不是调用量最高的国产模型，在OpenRouter上，腾讯混元、阿里千问，以及DeepSeek，都曾因免费位列前位。在X和Reddit上，开发者用同样的生成指令对比LongCat-2.0和GPT-5.5，后者表现更优。也有开发者反馈，LongCat-2.0的Coding和Agent能力强，但文案等能力不突出。

【“质的突破”：国产算力全流程】

然而，LongCat-2.0是“英伟达含量为0”的万亿级别大模型，从训练到推理，全部由国产算力集群完成。这不仅是“国芯+国模”真正意义上的跑通，还直接挤进了全球第一梯队。此前，国内大模型虽有“国产叙事”，但训练+推理全流程跑通万亿规模从未有过。一位开发者形容，之前是用“国产算力”装修建好的房子，这次是从打地基到入住。

【海外关注与讨论】

因为完全绕开了英伟达，LongCat-2.0成了这两天的AI热点。美国时间6月30日，它登上了X平台News榜单，相关推文超过2800条。海外很多用户不了解“Meituan”，博主将其介绍为“中国的DoorDash”，但美团订单规模是前者的10倍。一些开发者费解，为何中国“送餐公司”能做出顶尖大模型。更多人关心中国AI企业绕开“英伟达”是否会成为常态。

【国内反应与挑战】

在国内，很多报道将LongCat-2.0视为“国产芯片”弯道超车的标志。但技术社群从业者表现得更为冷静。一位从业者表示，国产芯片的挑战不是算力，而是系统性工程。硬件层面，国产芯片单卡现存更小，需要卡量更多，通信带宽不强，易出现算力利用率问题；软件方面，英伟达平台算子、工具成熟，迁移到国产算力平台后需重新编写，是巨大工程。

【开源引发的讨论】

美团宣布近期开源所有核心技术，围绕此技术社群展开讨论，如美团用的是哪家国产厂商的芯片，LongCat-2.0“绕开英伟达”是个例还是国模常态，其开源对技术路线是否有影响，国产算力何时能支撑最前沿的训练等。

【值得讨论的细节】

LongCat-2.0的1.6万亿总参数、480亿平均激活、1M上下文这些数字并不稀奇，真正有分量的是三个细节：1.5万张昇腾910C从零预训练；MoE稀疏度做到了97%；它在OpenRouter上匿名测试时的调用量结构。

【5万卡昇腾从零预训练】

美团官方博客未公布具体卡数和芯片型号，“五万卡”来自媒体报道，芯片是华为昇腾910C是社区推断，准确说法是“媒体披露的约5万张、社区推断为昇腾910C的国产算力集群”，简称“5万卡昇腾”。很多报道将LongCat-2.0和“昇腾910C完成1.6万亿参数DeepSeek-V4-Pro训练”新闻混淆。后者是拿现成权重做全参数后训练，解决的是“国产卡能不能微调一个万亿模型”。而美团是从零开始，在5万卡昇腾集群上把1.6T参数的模型从头训出来，预训练数据超过30T tokens，月均日故障率降低70%以上，训练MFU提升1.5倍，全程无回滚、无不可恢复的loss突刺。从零预训练难度远大于后训练，因为任何一次loss spike、NCCL通信超时、卡的SDC都可能让前面的投入打水漂。昇腾910C硬件规格更多是技术社区根据已有信息推断，其软件栈和CUDA成熟度差距是国产卡跑大模型的关键。美团在底层算子适配和通信优化上花了很多功夫，其工程指标证明在不依赖英伟达卡的前提下，国产算力集群可独立完成万亿参数模型从预训练到推理部署的完整闭环，这对中国AI产业是从“能不能”到“稳不稳”的进步。

【97%稀疏度：“扩专家”路径已死】

LongCat-2.0继承了LongCat-Flash的零计算专家和Shortcut-connected MoE设计。零计算专家不做计算，直接返回输入，通过PID控制器调节专家偏置，让token分配比例收敛到目标值。LongCat-2.0官方博客称，模型的MoE稀疏度在不考虑N-gram Embedding的情况下已达约97%，再扩135B专家参数性能增益可忽略不计。DeepSeek-V3、V4-Pro和LongCat-2.0稀疏度都约为97%，这意味着可能撞到了MoE架构的渐近线。过去往专家池堆参数收益渐小，继续扩专家如同往大仓库塞书，每本书被翻到概率降低。LongCat-2.0引入LongCat Sparse Attention等，架构重心转向在固定专家池上榨取更多效率。

【OpenRouter匿名测试和调用量】

假设开发者在OpenRouter上发现免费、速度快、代码补全顺手的“Owl Alpha”，用了一个多月后发现是美团LongCat-2.0-Preview。OpenRouter的调用量是开发者用脚投出的票，截至6月底，该匿名模型总调用量跻身全球前三，在Hermes上月调用全球第一，在Claude Code上月调用全球第二，仅次于Claude Opus本身。Claude Code月调用全球第二说明LongCat-2.0能解决开发者真实痛点，DMXAPI等平台也上线适配。但也有质疑，如有人认为堆了这么多参数还没做到SOTA，反衬出智谱GLM-5.2的含金量；有人实测在纯coding场景下和Nemotron Ultra 500B一个水平，比GLM-5.1差；还有人认为LongCat-2.0是DeepSeek-V4-Pro的配方，像是带轻微改动的复现验证。不过，在万亿参数加国产算力组合下能稳定跑通已知架构配方，本身就是工程能力证明。美团积累的真实业务场景agent数据是其在agentic coding调用量上跑赢跑分更高模型的底气，基础模型能力和后训练能力功劳目前还拆不开，需等权重放出做消融实验。

【2026年中期竞品对比】

要理解LongCat-2.0的位置，需看2026年6月大模型第一梯队格局。DeepSeek代表“长上下文效率+高强度推理后训练”路线；智谱GLM-5.2编程能力稳居国产第一梯队；阿里Qwen3.7-Max在SWE-Bench Pro上国内第一，但可能不开源；Kimi K2.7 Code在MCP工具调用基准上超过Claude Opus 4.8；MiniMax M3在编程修复质量上和Kimi共同领跑。这个格局有几个特征：总参数继续膨胀，但激活预算被压住；长上下文竞争从窗口大小转移到注意力/缓存效率；agent能力，尤其是agentic coding，成了新的角力点。LongCat-2.0虽没在参数榜和跑分上领先，但它有完全跑在国产算力上的万亿开源模型，以及在agentic coding实际调用量上证明商业价值的优势。前者是供应链层面的护城河，后者是产品层面的验证。其定价延续把成本打下去的打法，价格差是其在OpenRouter上调用量高的原因之一。但开源的真正价值取决于权重放出后的社区生态，2.0的1.6T体量对社区是更大挑战。LongCat-2.0没有独力改变技术路线走向，但它和其他模型一起把“万亿参数加国产算力加开源”组合推到了“工业级可用”，受益者是中国AI产业。如果LongCat-2.0的权重在7月放出，且vLLM和llama.cpp在两周内完成适配，它在OpenRouter上的调用量大概率在Q3冲到更靠前位置。真正值得关注的问题是，当MoE稀疏度摸到97%渐近线，下一轮突破会从哪里来呢？