美團 LongCat-2.0 重磅開源：1.6 兆參數、百萬 token 上下文，完全繞開輝達

2026 年 6 月 30 日，中國外送巨頭美團（Meituan）正式開源了其下一代大型語言模型 LongCat-2.0。這款擁有 1.6 兆（1.6 trillion） 總參數的混合專家（Mixture-of-Experts, MoE）模型，最引人注目的地方在於，美團宣稱它是業界首個在一個由 5 萬張中國國產晶片 組成的運算叢集上，完整完成從預訓練、微調到推論部署全流程的兆級參數 AI 模型，整個過程中完全沒有使用任何輝達（Nvidia）的硬體。

為何意義重大？

LongCat-2.0 的發布不單是又一個大型模型的開源。它釋放出一個強烈的信號：在美國不斷收緊先進 GPU 出口限制的情況下，中國的 AI 開發者仍然能夠在不依賴輝達硬體的情況下，打造出接近前沿水準的 AI 能力。這個模型證明了，從預訓練到推論，一個 1.6 兆參數的系統完全可以建立在本國的晶片之上。

技術規格一覽

• 架構：混合專家（MoE），總參數量達 1.6 兆，但每次處理每個 token 時僅動態激活約 48B 個參數，稀疏度高達 97% 。
• 上下文窗口：100 萬個 token，由自研的 LongCat 稀疏注意力（LSA）機制支援，該機制由 DeepSeek 的稀疏注意力設計演進而來。
• 激活參數範圍：動態專家路由機制，每次 token 激活參數在 33B 到 56B 之間浮動，確保無冗餘計算。
• N-gram Embedding：額外增加約 1,350 億參數用於嵌入層，透過 2 至 5 個字符的 n-gram 組合來加強對局部上下文的表示能力，無需堆疊更多 MoE 層。
• 目標任務：專為「代理式編碼」（agentic coding）打造，涵蓋程式碼理解、生成以及在真實工具使用場景中的執行。
• 訓練基礎設施：從零開始，在 50,000 到 60,000 張中國國產 AI ASIC 晶片（非輝達 GPU）上完成訓練，消耗超過 35 兆個 token 的中文、英文、多語言文本及原始碼資料。
• 授權方式：採用 MIT 開源授權。
• 取得方式：模型權重與程式碼已發布在 GitHub、Hugging Face 及 LongCat 官方網站，同時提供 API 和線上演示。

效能表現與跑分

美團宣稱 LongCat-2.0 的效能 可與 Google 的 Gemini 3.1 Pro 相提並論。在正式發布前，該模型曾以代號 'Owl Alpha' 匿名在 OpenRouter 平台上提供服務，據稱一度登上開發者編碼跑分排行榜的頂端。

LongCat 團隊在 X 平台上公布的幾項關鍵基準測試分數如下：

• Terminal-Bench 2.1：70.8
• SWE-bench Pro：59.5（作為對比，GPT-5.5 為 58.6）
• SWE-bench Multilingual：77.3
• FORTE：73.2

戰略意涵

LongCat-2.0 的意義遠超跑分成績本身：

• 首個完全採用國產晶片的兆級模型：這是業界第一個從預訓練到推論部署，全程都在中國國產晶片上完成的兆級參數模型。連 DeepSeek-V4-pro 都僅在推論階段使用國產硬體，預訓練仍仰賴輝達 GPU。
• 展現中國 AI 脫鉤潛力：該模型證明了，即使無法取得輝達的先進 GPU，中國仍有可能發展出接近前沿水準的 AI 能力，這對美中科技競爭和全球 AI 晶片市場供應鏈將產生深遠影響。
• 美團的戰略轉型：對於一家以餐飲外送和本地生活服務起家的巨頭來說，LongCat-2.0 的發布標誌著其正式成為開源 AI 基礎模型領域的重要參與者，類似於阿里巴巴（Qwen）和字節跳動（豆包）的路線。

核心架構創新

LongCat-2.0 在其前代 LongCat-Flash 的基礎上引入了兩項重要的架構改良：

1. LongCat 稀疏注意力（LongCat Sparse Attention, LSA）：這是從 DeepSeek 稀疏注意力機制（DSA）演進而來的技術。LSA 針對索引器（Indexer）的延遲瓶頸，設計了三項相互獨立的效率優化：流感知索引（flow-aware indexing）、跨層索引（cross-layer indexing）和層級化索引（hierarchical indexing），旨在不犧牲模型品質的前提下，加速長上下文的處理速度。

2. 多目標過程解碼（Multi-Objective Process Decoding, MOPD）：該技術將模型內的專家（experts）組織成三個專業群組——代理（Agent）、推理（Reasoning）和互動（Interaction）——並由一個閘道路由器（gate router）根據任務類型，將每個 token 導向至合適的專家群組進行處理。

如何使用

開發者和研究人員現在可以在 MIT 寬鬆授權條款下使用 LongCat-2.0。模型權重、推論程式碼及相關文件已發布在 GitHub、Hugging Face 以及 LongCat 官方網站。此外，美團也提供了 API 端點和互動式線上演示。