6 月 30 日，美团发布并宣布将开源 LongCat-2.0——一款 1.6 万亿参数的 Mixture-of-Experts 大模型。美团披露的SWE-bench Pro得分为59.5%，比GPT-5.5（58.6%）高不到一个百分点；Terminal-Bench 2.1得分为70.8%，与Gemini 3.1 Pro接近。发布还带来了两项信息：美团称模型在5万张国产AI ASIC加速卡上完成从预训练到推理的全流程；此前以「Owl Alpha」匿名上线的版本，已在OpenRouter运行约两个月，进入全球调用量前三。训练硬件与匿名试用，也成为外界讨论这款模型的重点。
美团称在五万张国产卡上完成训练与推理
国产芯片能否稳定承担大规模预训练，一直是外界关注的问题。以 DeepSeek V4-Pro 为例：虽然其推理部分使用了华为昇腾系列芯片，但计算量最大的预训练阶段仍然依赖 Nvidia 的成熟生态。这一案例反映了大规模训练对成熟硬件与软件生态的依赖。
美团披露了另一条训练路径。美团技术团队在官方发布文章中声明，该模型是「业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型」。预训练数据规模超过 30T tokens，覆盖中文、英文、多语言和代码，稳态日吞吐超过 1T tokens/day——这个数字意味着五万张国产卡在实际训练中达到了可观的工程效率。
背后的工程挑战并非秘密。美团 LongCat 团队从 2023 年开始摸索国产算力训练，从千卡起步，逐步攻克算子适配、通信优化和分布式稳定性。在五万卡规模下，他们将月均日故障率降低了 70% 以上，通过自研确定性算子、Bitwise 一致性验证保障训练正确性，训练 MFU（Model FLOPs Utilization）提升 1.5 倍。这些指标反映了团队报告的稳定性与效率改进；其他团队能否复现，仍需结合具体硬件和软件配置判断。
关于芯片本身，美团没有公开具体型号。官方措辞为「AI ASIC superpods」——即面向 AI 工作负载的专用集成电路。技术社区的主流推测指向华为昇腾 910C 系列。一个关键线索来自 Silicon Report 的观察：美团在训练中使用了华为集合通信库（HCCL），这通常意味着底层硬件来自华为生态。美团此前也投资了摩尔线程（Moore Threads）、MetaX 和 Axera 等多家国产芯片公司，表明其对该赛道的布局远不止一次训练。
在对华芯片出口管制持续收紧的背景下，这一项目为国产芯片承担大规模训练提供了案例。具体硬件和投入尚未充分公开，仍难据此推断整个产业的能力差距。正如 Cryptobriefing 的评论所指出的：「美国的出口管制并未创造出政策制定者预期中的能力鸿沟——至少在他们设想的时间表上没有。」
稀疏计算与多专家融合，降低模型运行开销
LongCat-2.0 的 MoE 设计为总参数 1.6T，每个 token 平均激活约 48B 参数，动态范围在 33B 到 56B 之间。每个token只激活部分参数，可以减少计算量，但仍需存储和调度完整权重。模型采用了三项相关设计。
LongCat Sparse Attention（LSA）。 美团团队将 LSA 定位为 DeepSeek Sparse Attention（DSA）的演进版本，针对 DSA 中 Lightning Indexer 的输出不连续性和二次评分瓶颈做了三项正交改进：Streaming-aware Indexing 将碎片化的内存访问重塑为硬件友好的连续读取，实现 HBM 合并访问；Cross-Layer Indexing 利用相邻层注意力显著性的经验稳定性，让一次索引计算服务多个连续层；Hierarchical Indexing 采用粗到细的两阶段评分——先在块级别做近似召回，再在候选集内做精细 token 选择，大幅缩小索引器需要处理的候选空间。三者均可无缝扩展到 3 步 Multi-Token Prediction 的推测解码模块。
N-gram Embedding。 从 LongCat-Flash-Lite 继承而来，通过在 MoE 的正交稀疏维度扩展参数来提升利用率。135B 的 N-gram Embedding 参数被纳入模型，其设计基于两个原则：MoE 的稀疏性已经越过最佳平衡点，而 N-gram Embedding 的比例需控制在最优区间内。等效规模下，它比纯 MoE 模型有稳健的性能优势。
MOPD 多专家融合。 据美团技术博客，团队训练了三组专项专家：Agent Experts 专攻工具调用与自主纠错，Reasoning Experts 深耕数学与 STEM 推理，Interaction Experts 优化指令遵循与交互体验。通过 Multi-Teacher On-Policy Distillation，三组专家的能力被融合进一个统一模型，推理时由门控网络根据任务类型动态调度。按这份介绍，模型会根据任务调度相关专家，以兼顾编码、推理与交互表现。
零计算专家（Zero-Computation Expert）机制则进一步减少开销：路由至零专家的 token 可跳过相应计算，专家并行通信流程也会避免不必要的传输。美团给出的部署方案包括在16张H20 GPU上使用FP8精度运行。
预览版匿名上线，在 OpenRouter 积累调用量
LongCat-2.0在正式发布前，已通过「Owl Alpha」这个名字积累用户。
在 6 月 29 日 LongCat 官方 X 账号确认身份之前，Owl Alpha 在 OpenRouter 上以匿名模型身份存在了约两个月。OpenRouter 是一个允许开发者通过统一 API 访问数百个模型的平台。Owl Alpha 没有品牌标签、没有公司归属、没有国籍信息——开发者可以先观察输出质量与使用体验，再了解厂商身份。
据美团披露，到正式发布时，LongCat-2.0 已跻身 OpenRouter 全球调用量前三，在 Hermes 平台上月调用量排名第一，Claude Code 上排第二，OpenClaw 上排第三。据 NYU Shanghai RITS 的报道，该模型在匿名期间的月 token 吞吐量约为 10.1 万亿。这一数字描述的是月度累计量，不能直接当作单日吞吐。
匿名试用可能降低品牌印象对早期选择的影响。部分开发者或企业会因供应链政策、合规要求或品牌偏好筛选模型；先使用再得知厂商身份，可能改变他们对模型的判断。不过使用量还受到价格、分发和测试活动影响，不能只归因于性能。
Build Fast with AI 在7月4日的后续报道描述了这种二次效应：「那些基于地缘理由拒绝中国开源模型的团队，忽然发现他们已经在成功使用一个。」报道还将其与Anthropic限制中国公司通过新加坡子公司和VPN访问Claude联系起来。两件事都涉及模型来源与企业使用政策，但匿名试用本身不意味着绕过准入或安全规则。
与 GLM-5.2 和 DeepSeek V4-Pro 的位置对比
LongCat-2.0 进入的是一个已经拥挤的中国开源模型赛道。
与 DeepSeek V4-Pro 相比： 两者均为 1.6T 参数规模的 MoE 架构，但关键差异在硬件路径。DeepSeek V4-Pro 的预训练仍部分依赖 Nvidia GPU，而 LongCat-2.0 做到了全链条国产。在 SWE-bench Pro 上，LongCat-2.0 的 59.5% 对 V4-Pro 的约 55.4%（据 CodingFleet 数据），差距约 4 个百分点。但 DeepSeek 在 LiveCodeBench 上以 93.5% 排名全球第一，在竞争性编程场景仍有明显优势。这些结果提示两个模型的优势场景可能不同，仍需结合具体任务和测试配置比较。
与 GLM-5.2 相比： 智谱的 GLM-5.2 在 SWE-bench Pro 上达到 62.1%，高于 LongCat-2.0 的 59.5%，且定价约 $4.40/1M tokens。这组编码成绩中GLM-5.2较高，LongCat-2.0则额外披露了国产芯片全流程训练的工程信息。OpenRouter调用量提供了使用情况的参照，但不能替代任务质量评估，也不足以说明另一模型缺少实际使用验证。
价格方面，LongCat-Flash-Thinking 变体据 LLM-Stats.com 数据每token价格约为Seed 2.0 Pro的1/2.1，虽然整体性能略逊，但在成本敏感的场景中提供了额外选项。
采用 MIT 许可，发布初期权重交付仍待完成
LongCat-2.0选择MIT许可证，允许使用、修改和再分发，许可证本身没有地域或特定使用场景限制。这为开发者理解授权范围提供了较简单的依据。
相比之下，Meta的部分Llama许可包含大规模商业部署等附加条件；不同模型和版本的授权条款需分别比较。MIT许可减少了这类附加使用限制，但并不免除用户遵守适用法律的责任。
在发布初期，模型权重曾在Hugging Face和GitHub标注为「coming soon」。当时开发者可通过 longcat.ai、longcat.chat 开放平台和 OpenRouter 的 API 访问模型，本地部署和微调则需等待权重交付。美团技术博客推荐以 16 张 H20 GPU 的组合（Tensor Parallelism + Expert Parallelism）进行部署，也提供了 NPU 部署方案。
芯片型号、工程投入与独立评测仍需更多披露
这次发布提供了国产算力训练的案例，但仍有几项信息影响外部评估。
芯片型号不透明是最大的不确定性。美团的「AI ASIC superpods」措辞避免了指认供应商，这让外部难以评估该训练成果的可复制性。如果底层硬件确实是华为昇腾系列，那么这一成果对其他同样受出口管制的中国公司可能有直接的参考价值；如果涉及美团独家投资的芯片公司（如摩尔线程或 MetaX），可复制性就需要更多验证。
软件生态差距仍然存在。美团的官方博客承认，团队在算子适配、通信优化和分布式稳定性上投入了三年工夫才达到当前水平，说明模型迁移需要相当的系统工程投入。其他团队复制这一路径时，也需评估自身的算子、通信和故障恢复能力，不能仅比较硬件采购价格。
基准成绩尚未经过独立第三方验证。所有评测分数均为美团自测（除非标注 * 表示引用自模型官方报告），在统一 harness 下与闭源模型的对比。独立评测机构如 Artificial Analysis 尚未纳入 LongCat-2.0，模型在所有非自测排行榜上的真实位置仍需时间确认。在 FORTE（73.2）、BrowseComp（79.9）和 GPQA-diamond（88.9）等通用基准上，LongCat-2.0 与 Claude Opus 4.8 等最新前沿模型之间仍存在不容忽视的差距。
后续看国产训练能否复制，以及模型的实际任务表现
LongCat-2.0为国产算力上的大规模模型训练提供了一个公开案例，也通过预览版获得了开发者调用。训练系统的工程表现和模型的实际任务效果，仍是两个需要分别验证的问题。
2026 年 6 月 12 日，美国政府因一起 AI jailbreak 事件对 Anthropic 的 Fable 5 实施出口管制暂停，后续报道将持续时间记为19天。报道指出，该 jailbreak「在 GPT-5.5、Kimi K2.7 等其他所有被测模型上均可复现」。这类限制增加了企业对闭源模型访问稳定性的关注。不过LongCat团队的国产训练探索始于2023年，不能将本次发布直接归因于当月事件。
对开发者和企业而言，LongCat-2.0增加了一个可评估的模型选项。对芯片行业而言，后续更有价值的信息包括训练成本、故障恢复、复现条件与实际部署表现；调用量只能说明其中一部分使用情况。
