7月6日美团干了一件让整个AI圈都没想到的事——把自家万亿参数大模型LongCat-2.0直接开源了MIT协议可以商用。说实话这个消息出来的时候我正在看WAIC的预热新闻。然后朋友圈就被刷屏了。1.6万亿参数48B激活100万token上下文全程在5万张国产算力卡上训练。这几个数字放在一起分量确实不轻。为什么这件事值得关注先说明白一个背景。万亿参数级别的MoE模型之前也不是没有。但像LongCat-2.0这样从头到尾用国产算力卡训练出来的这是第一个。五万张国产卡不是五万张A100。这意味着什么意味着在高端GPU被限制的背景下国内团队用国产芯片跑通了万亿参数模型的完整训练管线。美团CEO王兴说AI转型是必答题不是可选题LongCat-2.0就是这份答卷。用过的都懂国产芯片和英伟达CUDA生态的差距不只是硬件性能更多是软件栈的成熟度。美团能在这上面把1.6T的模型训出来工程能力是实打实的。LongCat-2.0 核心特性参数规模训练基础设施架构创新开源生态总参数 1.6T激活参数 48B稀疏度 ~97%5万张国产算力卡30万亿 Token预训练华为昇腾/摩尔线程/沐曦适配LongCat稀疏注意力 LSAN-gram Embedding扩展多教师在线蒸馏MIT协议 免费商用BF16/FP8/INT8多版本国产卡推理代码同步开源三项核心技术创新LongCat-2.0不是简单的堆参数。它的架构设计里藏着三个很有意思的创新点。LongCat稀疏注意力LSA这可能是整个模型最核心的技术。传统Transformer的自注意力机制复杂度是O(n²)序列长度翻一倍计算量翻四倍。对于100万token的上下文窗口这根本没法玩。LSA的思路很巧妙——它不计算所有token之间的注意力而是通过三个策略做稀疏化流感知索引按输入流动态选择全局最重要的token不是固定窗口跨层索引复用前面层的注意力模式减少重复计算层级化索引从粗粒度到细粒度分级检索类似多级缓存效果是直接把复杂度从O(n²)降到了O(n)。对于Agent类任务——你需要把整个代码库、文档、对话历史都塞进上下文——这个优化不是锦上添花是刚需。N-gram Embedding扩展路径这个设计解决的是另一个问题MoE模型虽然参数多但每个token只激活3%的专家实际表达能力受限于路由策略。LongCat-2.0引入N-gram级别的表示学习把连续的token序列作为一个整体编码让路由更聪明地分配专家。打个比方传统MoE是每个字单独决定找哪个专家N-gram是让一个词组一起决定。显然后者更容易捕捉语义。多教师在线蒸馏训练过程中同时用多个更强的模型教师来指导LongCat-2.0。不是训完再蒸馏而是在线实时蒸馏训练效率更高。实际表现怎么样看几个关键指标基准测试LongCat-2.0GPT-5.5Claude 4.5SWE-bench Pro59.558.655.2Terminal-Bench 2.170.868.365.7上下文窗口100万200万200万开源协议MIT闭源闭源在SWE-bench Pro上反超了GPT-5.5Terminal-Bench 2.1也领先。这两个基准都是实打实的编程能力测试不是刷榜的那种。更关键的是它的平均激活参数只有48B。48B激活就能拿到这个成绩说明MoE的路由策略设计得很高效——不是力大砖飞是好钢用在刀刃上。国产芯片适配不只是能跑开源当天华为昇腾、摩尔线程、沐曦股份三家国产芯片厂商就宣布完成适配。但这还不是最关键的。美团这次同步开源了专门针对国产算力芯片深度优化的推理代码包括PD分离部署Prefill和Decode分开部署充分利用不同芯片特性KV-cache切分把缓存切分到多卡降低单卡显存压力Super Kernel算子优化针对国产卡指令集定制的融合算子说白了这等于给国产芯片生态提供了一套最佳实践参考。对于正在国产化替代的企业来说这个价值可能比模型本身还大。对开发者意味着什么MIT协议意味着你可以直接拿LongCat-2.0来做商业项目不需要付费不需要申请。这跟很多开源但商用需授权的模型完全不同。48B的激活参数意味着如果你有足够的内存大概2-4张80G显存的卡就可以跑BF16版本。如果用量化版本INT8甚至单卡就能推理。对于做Agent应用的开发者来说100万token的上下文窗口是一个非常有吸引力的特性。你可以在一次推理中塞进整个项目的代码、几十页的文档、完整的对话历史然后让模型做跨文件的修改。写在最后LongCat-2.0的开源意义不只是多了一个大模型可以用。它证明了国产算力生态可以支撑万亿参数级别的模型训练为后续的国产化AI基础设施趟出了一条路。当然开源只是第一步。模型的实际效果、社区的活跃度、后续的迭代速度这些才是决定它能不能真正形成生态的关键。但现在这个开局确实让人对国产AI的下一步更有信心了。美团LongCat-2.0于2026年7月6日正式开源采用MIT协议总参数1.6万亿激活参数480亿支持100万token上下文在SWE-bench Pro上以59.5分领先GPT-5.5。华为昇腾、摩尔线程、沐曦等国产芯片厂商已完成适配。