美團LongCat 2.0萬億模型：不用英偉達也能壓過GPT
摘要
美團發布開源大模型LongCat 2.0，具備1.6萬億參數、MOE架構，SWE-Bench Pro代碼基準超越GPT 5.5。最關鍵的突破在於全程使用國產算力完成預訓練，5萬餘張國產芯片穩定運行逾一個月、吃下35萬億Tokens。這不只是推理端的勝利，而是國產芯片首次真正扛起萬億模型的完整訓練流程，為「無頂級海外芯片」的自主AI路線提供了最硬的實證。
完整逐字稿
你敢信嗎？一個送外賣的公司，突然掏出一個萬億大模型，還把OpenAI幹趴下了，而且這模型一張英偉達的卡都沒用。
6月30日，美團官宣開源LongCat 2.0：1.6萬億參數、MOE架構、平均激活480億、上下文支持100萬，每個數字都是全球頂級模型的規格。更狠的是，它的SWE-Bench Pro代碼基準評分直接壓過GPT 5.5。
但真正逆天的是，它從預訓練、部署到推理，全程跑在國產算力上。注意，不是只跑推理，是訓練也跑通了。
以前國產芯片更多幹的是推理——模型訓好了，你問一句，芯片負責把答案算出來。DeepSeek V4那一波就是國產卡接住了頂級模型推理。但LongCat 2.0這次直接打進訓練場。
訓練有多難？它不是回答問題，它是把一個萬億級模型從零開始，餵數據、調參數、跑集群、扛故障。LongCat 2.0預訓練耗時一個多月，吃掉超過35萬億Tokens，5萬多張國產芯片一起跑，中間沒崩。
這才是最難的。因為在英偉達CUDA生態裡，很多路是現成的，但在國產芯片上，顯存、帶寬、工具鏈、算子、通信、容錯，全都要重新磨。
那美團憑什麼？它從2023年就開始啃國產算力，算子適配、通信優化、分布式穩定性，一塊一塊補。最後跑到什麼程度？穩態日吞吐超過1T Tokens，月均日故障率降低70%以上，訓練算力利用率提升1.5倍。這不是能跑一下，這是把國產芯片真拉進了萬億模型訓練場。
有意思的是，今年4月底LongCat 2.0匿名上線第三方模型交流平台，兩個月後，Claude Code月調用量衝到全球第二，僅次於Opus 4.8。它不是PPT，是已經被全球開發者用過的模型。
那為什麼偏偏是做外賣的美團？因為它不是只買最牛的卡，它是和國產算力一起做模型協同。它是昇騰最大的互聯網客戶之一，每年AI投入超百億，除了雲廠商，是互聯網公司裡最捨得砸錢的那一檔。
所以這次不是外賣公司跨界做模型，是國產模型和國產芯片一起把最難的一關撞開了。DeepSeek V4證明了國產卡能接住頂級模型推理，LongCat 2.0這次證明了國產芯片開始能扛萬億模型訓練。
以前大家問：沒有頂級海外芯片怎麼辦？現在答案越來越硬——自己訓、自己跑、自己把路修出來。
6月30日，美團官宣開源LongCat 2.0：1.6萬億參數、MOE架構、平均激活480億、上下文支持100萬，每個數字都是全球頂級模型的規格。更狠的是，它的SWE-Bench Pro代碼基準評分直接壓過GPT 5.5。
但真正逆天的是，它從預訓練、部署到推理，全程跑在國產算力上。注意，不是只跑推理，是訓練也跑通了。
以前國產芯片更多幹的是推理——模型訓好了，你問一句，芯片負責把答案算出來。DeepSeek V4那一波就是國產卡接住了頂級模型推理。但LongCat 2.0這次直接打進訓練場。
訓練有多難？它不是回答問題，它是把一個萬億級模型從零開始，餵數據、調參數、跑集群、扛故障。LongCat 2.0預訓練耗時一個多月，吃掉超過35萬億Tokens，5萬多張國產芯片一起跑，中間沒崩。
這才是最難的。因為在英偉達CUDA生態裡，很多路是現成的，但在國產芯片上，顯存、帶寬、工具鏈、算子、通信、容錯，全都要重新磨。
那美團憑什麼？它從2023年就開始啃國產算力，算子適配、通信優化、分布式穩定性，一塊一塊補。最後跑到什麼程度？穩態日吞吐超過1T Tokens，月均日故障率降低70%以上，訓練算力利用率提升1.5倍。這不是能跑一下，這是把國產芯片真拉進了萬億模型訓練場。
有意思的是，今年4月底LongCat 2.0匿名上線第三方模型交流平台，兩個月後，Claude Code月調用量衝到全球第二，僅次於Opus 4.8。它不是PPT，是已經被全球開發者用過的模型。
那為什麼偏偏是做外賣的美團？因為它不是只買最牛的卡，它是和國產算力一起做模型協同。它是昇騰最大的互聯網客戶之一，每年AI投入超百億，除了雲廠商，是互聯網公司裡最捨得砸錢的那一檔。
所以這次不是外賣公司跨界做模型，是國產模型和國產芯片一起把最難的一關撞開了。DeepSeek V4證明了國產卡能接住頂級模型推理，LongCat 2.0這次證明了國產芯片開始能扛萬億模型訓練。
以前大家問：沒有頂級海外芯片怎麼辦？現在答案越來越硬——自己訓、自己跑、自己把路修出來。