Meituan LongCat-2.0: Model AI 1.6 Trilion Parameter yang Dilatih Sepenuhnya pada Cip Domestik China

Pada 30 Jun 2026, Meituan membuka sumber LongCat-2.0, sebuah model bahasa besar (LLM) 1.6 trilion parameter berasaskan seni bina Mixture-of-Experts (MoE). Menurut syarikat, ini adalah model pertama pada skala ini yang menjalani latihan penuh, penalaan halus, dan penggunaan pada kelompok 50,000 cip buatan China — tanpa sebarang perkakasan Nvidia .

Mengapa Pelancaran Ini Penting

LongCat-2.0 bukan sekadar model besar yang lain. Ia adalah isyarat bahawa pembangunan AI China boleh mencapai keupayaan hampir sempadan tanpa akses kepada GPU AS yang canggih, yang kini tertakluk kepada sekatan eksport yang semakin ketat . Model ini membuktikan bahawa sistem 1.6 trilion parameter boleh dibina sepenuhnya pada silikon domestik, dari latihan awal hingga inferens.

Spesifikasi Teknikal

• Seni Bina: Mixture-of-Experts (MoE) dengan jumlah kapasiti 1.6 trilion parameter, tetapi hanya ~48 bilion diaktifkan setiap token (kepakaran ~97%) .
• Tetingkap konteks: 1 juta token, diaktifkan oleh mekanisme LongCat Sparse Attention (LSA) tersuai yang berevolusi daripada reka bentuk perhatian jarang DeepSeek .
• Julat parameter aktif: 33B–56B setiap token melalui penghalaan 'Zero-Compute Expert' dinamik, memastikan tiada pengiraan terbuang .
• N-gram Embedding: Tambahan ~135 bilion parameter dalam lapisan embedding, menggunakan n-gram 2 hingga 5 aksara untuk meningkatkan perwakilan konteks setempat tanpa menambah lebih banyak lapisan MoE .
• Tujuan khusus: Pengekodan agentik — pemahaman, penjanaan, dan pelaksanaan kod dalam senario penggunaan alat dunia sebenar .
• Infrastruktur latihan: Dilatih dari awal pada 50,000–60,000 ASIC AI buatan China (bukan GPU Nvidia), menggunakan lebih 35 trilion token teks Bahasa Cina, Inggeris, pelbagai bahasa, dan kod sumber .
• Lesen: Dilepaskan di bawah lesen sumber terbuka MIT .
• Ketersediaan: Pemberat dan kod diterbitkan di GitHub, Hugging Face, dan laman web rasmi LongCat; juga boleh diakses melalui API dan demo dalam talian .

Prestasi dan Penanda Aras

Meituan mendakwa LongCat-2.0 mencapai prestasi setanding dengan Google Gemini 3.1 Pro . Sebelum pelancaran rasmi, model ini beroperasi tanpa nama sebagai 'Owl Alpha' di OpenRouter, di mana ia dilaporkan menduduki tangga teratas penanda aras pengekodan pembangun .

Skor penanda aras utama yang diterbitkan oleh pasukan LongCat di X termasuk: Terminal-Bench 2.1: 70.8, SWE-bench Pro: 59.5 (GPT-5.5 pada 58.6 untuk perbandingan), SWE-bench Multilingual: 77.3, dan FORTE: 73.2 .

Kepentingan Strategik

LongCat-2.0 membawa implikasi yang melangkaui skor penanda aras:

• Model trilion parameter pertama yang dilatih hujung-ke-hujung pada cip domestik China, dari latihan awal hingga inferens dan penggunaan — satu pencapaian yang tidak dapat dicapai oleh DeepSeek-V4-pro, yang hanya bergantung pada perkakasan domestik untuk inferens .
• Menunjukkan keupayaan China untuk mencapai keupayaan AI hampir sempadan tanpa akses kepada GPU Nvidia yang canggih, yang tertakluk kepada sekatan eksport AS .
• Isyarat potensi pemisahan pembangunan AI China daripada rantaian bekalan perkakasan AS, dengan implikasi untuk pasaran cip AI global dan persaingan teknologi geopolitik .
• Bagi Meituan secara khusus, ia meletakkan gergasi penghantaran makanan dan perkhidmatan tempatan sebagai penyumbang serius kepada model asas AI sumber terbuka, sama seperti langkah oleh Alibaba (Qwen) dan ByteDance .

Inovasi Seni Bina Utama

LongCat-2.0 memperkenalkan dua penambahbaikan seni bina yang ketara berbanding pendahulunya, LongCat-Flash:

1. LongCat Sparse Attention (LSA): Evolusi mekanisme perhatian jarang DeepSeek (DSA), LSA menangani kesesatan kependaman dalam indeks melalui tiga pengoptimuman kecekapan bebas: indeks sedar aliran, indeks merentas lapisan, dan indeks hierarki — direka untuk mempercepatkan pemprosesan konteks panjang tanpa mengorbankan kualiti model .

2. MOPD (Multi-Objective Process Decoding): Model ini mengatur pakarnya kepada tiga kumpulan khusus — Agent, Reasoning, dan Interaction — dengan penghala get yang mengarahkan setiap token ke kumpulan yang sesuai berdasarkan jenis tugas .

Ketersediaan dan Akses

Pembangun dan penyelidik boleh mengakses LongCat-2.0 di bawah lesen MIT yang permisif. Pemberat model, kod inferens, dan dokumentasi tersedia di GitHub, Hugging Face, dan laman web rasmi LongCat. API dan demo dalam talian interaktif turut disediakan .