美団、1.6兆パラメータのAIモデル「LongCat-2.0」をオープンソース公開——NVIDIA非依存で中国国産チップのみで学習・推論

技術仕様

• アーキテクチャ: Mixture-of-Experts（MoE）。総パラメータ数は 1.6兆 だが、トークンあたりの活性化パラメータは約 480億（スパース率は約97%）。
• コンテキスト窓: 100万トークン。DeepSeekのスパースアテンション機構を進化させた独自の「LongCat Sparse Attention（LSA）」メカニズムにより実現。
• 活性化パラメータの範囲: トークンあたり330億～560億。動的ルーティング「Zero-Compute Expert」により無駄な計算を排除。
• N-gram埋め込み: 約1,350億パラメータの追加層。2～5文字のNグラムを使用し、MoE層を単純に積み重ねることなく、局所的な文脈表現を向上させる。
• 目的: エージェント型コーディング（エージェント型コード理解、生成、実行）に特化。
• 学習インフラ: NVIDIA GPUではなく、5万～6万枚の中国製AI ASIC 上でスクラッチから学習。35兆トークン以上の中国語、英語、多言語テキスト、ソースコードを学習。
• ライセンス: MITオープンソースライセンス で公開。
• 入手方法: モデルの重みとコードはGitHub、Hugging Face、公式サイトで公開。APIとオンラインデモも提供。

性能とベンチマーク

美団はLongCat-2.0が Google Gemini 3.1 Pro に匹敵する性能を達成したと主張している。正式発表前、このモデルはOpenRouter上で 「Owl Alpha」 という匿名で動作しており、開発者向けコーディングベンチマークでトップにランクインしていた。

LongCatチームがXで公開した主なベンチマークスコアは以下の通り。

• Terminal-Bench 2.1: 70.8
• SWE-bench Pro: 59.5（比較対象: GPT-5.5は58.6）
• SWE-bench Multilingual: 77.3
• FORTE: 73.2

戦略的意義

LongCat-2.0のリリースは、単なるベンチマークスコアを超えた重要性を持つ。

• 国産チップだけでエンドツーエンドで学習された初の兆パラメータモデル。中国のDeepSeek-V4-proでさえ、国産ハードウェアを推論にのみ利用していた点で、これを上回る。
• 米国輸出規制下にあるNVIDIAの先端GPUに頼らずとも、最先端AI能力を達成できることを実証。
• 中国AI開発の米国ハードウェアサプライチェーンからの「デカップリング（分離）」 を示唆。世界のAIチップ市場と地政学的な技術競争に影響を与える可能性がある。
• 美団にとっては、フードデリバリーや生活サービス大手として、Alibaba（Qwen）やByteDanceと並び、オープンソースAI基盤モデルへの本格的な貢献者となるポジショニング。

主要なアーキテクチャ上の革新

LongCat-2.0は、前世代のLongCat-Flashから、2つの主要な改良を導入している。

1. LongCat Sparse Attention（LSA）: DeepSeekのスパースアテンション機構（DSA）を進化させたもの。フロー認識型、クロスレイヤー型、階層型の3つの独立した効率化最適化により、インデクサーのレイテンシボトルネックに対処し、モデル品質を犠牲にすることなく長いコンテキスト処理を高速化する。

2. MOPD（Multi-Objective Process Decoding）: モデル内の専門家（エキスパート）を「Agent」「Reasoning」「Interaction」の3つの専門グループに整理。ゲートルーターがタスクの種類に基づいて各トークンを適切なグループに振り分ける。

入手方法とアクセス

開発者や研究者は、寛容なMITライセンスのもとでLongCat-2.0にアクセスできる。モデルの重み、推論コード、ドキュメントはGitHub、Hugging Face、および公式サイトで公開されている。APIエンドポイントとインタラクティブなオンラインデモも提供されている。