
6月30日美团发布LongCat-2.0,性能有优有劣
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。正式发布前,它曾匿名“Owl Alpha”接入OpenRouter,进入总调用量前三,在Claude Code Agent场景下调用量排名全球第二,仅次于Claude Opus 4.8。不过,它并非性能最顶尖的模型,Agent核心能力接近Claude Opus 4.6,落后于Claude Opus 4.8,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。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,开发者对比发现GPT-5.5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。
“英伟达含量为0”,成AI热点
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。之前国内大模型虽有“国产叙事”,但训练+推理全流程跑通万亿规模是首次。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。因为绕开英伟达,它登上X平台News榜单,相关推文超2800条。海外用户不了解“Meituan”,博主将其介绍为“中国的DoorDash”,但美团订单规模是其10倍,引发开发者对“送餐公司”做出顶尖大模型的费解。
技术社群冷静看待,开源引发讨论
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冷静。一位从业者表示,国产芯片挑战在于系统性工程,硬件上单卡现存小、卡量需求多、通信带宽弱,易出现算力利用率问题;软件上英伟达平台算子、工具成熟,迁移到国产算力平台需重新编写。发布当天,美团宣布将开源核心技术,引发社群讨论,如使用的国产芯片厂商、“绕开英伟达”是否成常态、开源对技术路线的影响,以及国产算力何时支撑前沿训练等。
三个细节体现工程分量
LongCat-2.0的1.6万亿总参数、480亿平均激活、1M上下文并不稀奇,真正有工程分量的是三个细节:1.5万张昇腾910C从零预训练;2.MoE稀疏度做到了97%;3.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,意义重大
美团官方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。很多报道将LongCat-2.0和昇腾910C完成1.6万亿参数DeepSeek-V4-Pro训练的新闻混淆,后者是拿现成权重做后训练,而美团是从零开始在5万卡昇腾集群上训练,预训练数据超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。从零预训练难度大,任何失误都可能让前期投入打水漂。昇腾910C硬件规格未正式确认,其superpod配置单卡算力直追H100,但软件栈是瓶颈。美团在底层算子适配和通信优化上投入大量功夫,证明国产算力集群可独立完成万亿参数模型全流程闭环,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”路径受限
LongCat-2.0继承LongCat-Flash的核心设计,激活参数变为范围。其设计精妙之处在于用PID控制器调节专家偏置,让模型学会“难token多用算力,简单token少用算力”。模型MoE稀疏度达97%,再扩专家参数性能增益可忽略不计。过去大家堆参数,如今可能已撞到MoE架构渐近线,继续扩专家收益小,不如从注意力机制、上下文效率、后训练数据等维度找增量。LongCat-2.0引入LSA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,调用量有说服力
开发者在OpenRouter上用“Owl Alpha”写代码一个多月,6月29日得知是美团LongCat-2.0-Preview。OpenRouter调用量是开发者用脚投票的结果,该匿名模型总调用量跻身全球前三,在Claude Code上月调用全球第二。不过,Reddit上有评论质疑其未达SOTA,也有用户认为它和Nemotron Ultra 500B水平相当,比GLM-5.1差,甚至认为是DeepSeek-V4-Pro的复现。但在万亿参数加国产算力组合下,复现也是工程能力证明。美团积累的真实业务场景agent数据是其在agentic coding调用量上领先的底气,基础模型和后训练能力功劳待权重放出后拆解。
2026年中期竞品对比,LongCat-2.0位置特殊
2026年6月大模型第一梯队格局中,DeepSeek、智谱GLM-5.2、阿里Qwen3.7-Max、Kimi K2.7 Code、MiniMax M3各有特点。行业呈现总参数膨胀但激活预算受限、长上下文竞争转向注意力/缓存效率、agent能力成新角力点的特征。LongCat-2.0虽未在参数和跑分上领先,但拥有完全跑在国产算力上的万亿开源模型和有商业价值的agentic coding调用量。其开源价值取决于社区生态,1.6T体量对开发者是挑战。LongCat-2.0未独力改变技术路线,但推动“万亿参数加国产算力加开源”组合走向工业级可用,受益者是中国AI产业。若7月权重放出且适配完成,其在OpenRouter上调用量可能提升。行业面临MoE稀疏度渐近线,下一轮突破方向待解。
492



被折叠的 条评论
为什么被折叠?



