美团开源LongCat-2.0，全程跑在中国算力上
Claire Weston
美团7月6日开源1.6万亿参数大模型LongCat-2.0，从训练到部署全程使用中国自研芯片完成——这不是一次性能刷榜，而是证明国产算力生态已能跑通超大模型的完整闭环。
这个模型到底有多大？
采用MoE架构（混合专家——把模型拆成很多"专家模块"，每次只调用其中一部分），总参数1.6万亿，但每个token只激活约480亿参数。
这意味着→ 模型虽然巨大，实际推理时的算力消耗远低于全量运行，这正是它能跑在国产芯片上的关键设计。
原生支持100万token上下文窗口，预训练数据超过30万亿token，峰值训练动用逾5万张中国自研加速卡。
匿名上线两个月，怎么就全球前三了？
LongCat-2.0此前以"Owl Alpha"为名匿名挂在OpenRouter上，不挂品牌、不做推广，4月底上线。
两个月内跻身全球月调用量前三：月处理token量10.1万亿，日处理量5590亿，月增长率242%。
用户来自美国、印度、肯尼亚、德国、西班牙，主要用于代码生成、工具调用和Agent工作流。6月27日被海外博主溯源至美团，6月30日美团正式确认身份。
国产芯片厂商为什么同一天就能适配？
华为昇腾、摩尔线程、沐曦（MetaX）在开源当日同步完成LongCat-2.0推理适配。
用大白话说＝ 三家芯片公司提前做好了准备，模型一开源就能跑，这不是巧合，是"国产芯片+国产大模型"的生态协同已经走到了可执行阶段。
华为昇腾团队采用预填充-解码分离（把"理解输入"和"生成输出"拆到不同硬件上跑）等专项优化，解决单卡64GB显存撑1.6万亿参数模型的难题。
MoE架构在这里起了什么作用？
推理时只激活约480亿参数，而非全量1.6万亿——这意味着→ 对显存和算力的需求大幅下降。
这反映出MoE不只是一个效率技巧，而是国产芯片跑超大模型的架构前提：它把"芯片不够强"的劣势压力，用"每次只用一小部分"的设计绕了过去。
性能够用吗？离最强差多远？
美团没有把LongCat-2.0定位为全球最强。部分基准测试中仍落后于GPT-5.5和Claude Opus 4.8。
社区反馈显示，在工具调用、复杂指令执行等Agent任务上接近Claude Opus 4.6水平，但尚未追平Claude Opus 4.8。
用大白话说＝ 性能不是顶尖但已进入实用区间——重点不在排名，在于这个实用水平是纯靠国产算力达到的。
这件事对市场意味着什么？
模型以MIT许可证在GitHub和Hugging Face开放，提供BF16原始权重、FP8及INT8量化版本，支持免费商业使用，开源距正式发布仅一周。
这意味着→ 美团选择了最开放的许可方式，任何人可以直接拿去商用，这会加速国产算力生态的下游验证。
这反映出市场对国产算力产业链的长期定价逻辑正在被重塑：当万亿参数模型的全栈训练与商业部署已在国产芯片上跑通，"国产算力能不能用"这个问题的答案，从技术争论变成了已交付的事实。
Content is for reference only, not financial advice.