外卖平台剥开看，是世界上最难的编程问题之一：数百万订单、骑手、商家与路线在同一时刻碰撞。美团的答案是自建一个万亿参数模型，并用国产芯片训练它——然后把权重免费开放。
关键事实
美团发布 LongCat-2.0 并以 MIT 协议开源。模型总参数 1.6 万亿（1.6T），平均激活约 48B，动态范围 33B–56B。它被称为首个在 5 万张国产（国产）算力卡集群上完成训练与推理全流程的万亿参数模型，是对中国本土加速器的有力信任投票。架构专为 Agentic Coding（智能体编程） 而生——在长链条、多步骤工作流里理解、生成并执行代码，原生支持 1M 上下文。训练数据超 30 万亿 token，美团称模型浮点利用率（MFU）提升 1.5 倍，稳态吞吐超每日 1 万亿 token。
赌注：国产芯片，国产模型
真正的头条不是参数规模，而是训练地点。用 5 万张国产加速器跑完 1.6T 模型的预训练与推理，意味着团队必须从零解决算子适配、通信优化与分布式稳定性。美团称通过故障恢复与弹性扩缩，将月均日故障率降低七成以上，训练效率提升 1.5 倍。若属实，含义超出单个产品：它暗示中国国产算力栈能扛住前沿级训练，而不只是推理。这正是全行业等待在万亿规模被验证的断言。
为什么外卖公司要造前沿模型
美团的业务核心是一个带代码形态的实数优化问题。智能体编程——读代码库、写修复、运行并从失败中恢复——与平台自动化物流、商家工具与内部系统直接对应。自研模型让能力变成战略资产而非租用品。公开前，LongCat-2.0 预览版已通过 OpenRouter 与 longcat.ai 开放，美团称其跻身全球调用量前三，仅次于少数最常用封闭模型——说明有用的不是榜单，而是智能体开发者。
架构到底做了什么
LongCat-2.0 引入 LongCat 稀疏注意力与 N-gram Embedding，目标是让长上下文处理与 token 级表征更便宜、更稳。动态激活让模型在 33B–56B 间按需伸缩，简单请求不必为万亿大脑付费。原生 1M 上下文对智能体至关重要：编码智能体可能要在数百轮工具调用、文件读取与中间状态中保持记忆——这正是小模型崩塌的工况。
把最难的拼图也开源
美团不只是丢出一个 checkpoint。它发布了面向显存与带宽受限的国产芯片优化的推理代码，提供 BF16、FP8、INT8 多精度版本覆盖不同部署档位。明确目标是让手握"存量"国产硬件——已买下、闲置在机房里的卡——真正跑起万亿模型，而非让其空转。这不同于"权重给你，祝好运"的开放，而是意在盘活闲置国产算力的战略性开放。LongCat-2.0 于 6 月 30 日发布、7 月上旬以 MIT 协议开源，华为昇腾（Ascend，昇腾）、摩尔线程（Moore Threads，摩尔线程）、沐曦（Muxi，沐曦）等国产芯片厂商同步完成推理适配，使其成为业内首个依托 5 万张国产算力卡集群完成预训练与推理全流程落地的万亿参数模型。
诚实的局限
- 核心参数（1.6T 总量、约 48B 激活、5 万张国产卡、MIT 协议）由美团技术团队与《上海证券报》报道相互印证，但效率与稳定性表述属公司自陈，我们未独立复现。
- "国产芯片"横跨多家成熟度不同的厂商，各自真实吞吐会差异明显，公布数字反映的是美团优化后的集群，而非典型部署。
- OpenRouter 调用量前三的排名，是美团对其预览版的表述；榜单每周变动，反映的是采用量而非单纯能力。
- 公开基准上的智能体编程强项，不保证在某一私有代码库上的表现，集成成本与评测设计仍主导结果。
- 我们未运行 LongCat-2.0，本文仅报告发布材料，非实测。
普通人现在能做什么
- 国产硬件上的工程师：若你拥有昇腾（Ascend，昇腾）、摩尔线程（Moore Threads，摩尔线程）或沐曦（Muxi，沐曦）卡，配套适配器是罕见机会，可在自己集群上 Benchmark 一个万亿模型，而非靠猜。
- 企业：把 LongCat-2.0 当作"我们能否在没有常规加速器的情况下跑前沿 AI？"的具体测试用例，在一个内部智能体编程工作流上试点。
- 观察者：留意 5 万卡国产训练能否在多家实验室被复现；相比任何单一模型，这才是供应链真正重要的信号。