偷偷霸榜两个月！美团 LongCat-2.0 用国产芯片训练出 1.6T 参数模型，开源 MIT 直接硬刚 GPT-5.5！

Wed, 08 Jul 2026 00:00:00 +0000

你每天用的 OpenRouter 上排名第一的编程模型，竟然是一个"披着马甲"的中国外卖公司出品——这个反转够不够炸？

上周，美团悄无声息地丢下了一颗核弹。在 Hugging Face 和 GitHub 上，它正式开源了 LongCat-2.0——一个 1.6 万亿参数的 MoE 大模型。但真正让整个 AI 圈炸锅的不是参数规模，而是这个模型背后藏着的故事。

匿名霸榜两个月，谁是 Owl Alpha？

如果你从今年四月开始就在 OpenRouter 上调用过那个叫 Owl Alpha 的模型，那你已经在用 LongCat-2.0 了——只不过你自己不知道。

过去两个月，Owl Alpha 一直霸占着 OpenRouter 的 Hermes Agent 调用量榜首，全球开发者用它做了大量编程任务。它性能好、价格低、响应快，但没人知道它背后的公司是谁。圈子里猜过是哪个硅谷巨头在搞匿名测试，猜过是哪个研究机构在暗中部署，甚至有人以为是 DeepSeek 的新马甲。

结果？是一家做外卖的。

对，就是那个你在北上广深点奶茶炸鸡用的美团。这家以"配送"闻名的中国互联网巨头，安静地训练了一个万亿参数的编码模型，然后在开发者平台上匿名跑了两个月收集真实反馈——这操作在 AI 历史上还是头一回。

技术硬核：5 万张国产芯片炼出的 1.6T 巨兽

LongCat-2.0 最炸裂的参数不是 1.6T 的总参数量，而是它身后那 5 万张国产 AI ASIC 芯片。

在美国对华芯片出口管制不断升级的背景下，美团用完全国产的硬件集群完成了从训练到推理的全部流程，没有用任何 Nvidia GPU。这不仅仅是一次技术演示，而是对整个"没有 Nvidia 就无法训练大模型"论点的正面回击。

具体技术规格足够让任何搞 AI 基础设施的人兴奋：

架构：Mixture-of-Experts（MoE），总参数 1.6T，每次激活约 48B（动态范围 33B-56B）
上下文窗口：原生 1M token（百万 token 上下文），不需要 RAG 分块
长文注意力：LongCat Sparse Attention（LSA），把二次方复杂度降到线性
预训练数据：35 万亿 tokens，全程无回滚或 Loss 尖峰

美团在长上下文技术上做了一件很聪明的事。他们的 LongCat Sparse Attention（LSA） 在 DeepSeek Sparse Attention 的基础上做了三重索引优化：流式感知索引把碎片化的内存读取变成连续块，跨层索引在相邻层之间复用注意力显著性，层级索引做粗到细的两阶段过滤。组合效果就是在 1M token 的窗口下不碰内存墙——这不是小优化，这是让万亿参数模型做长上下文推理变得实际可用的关键突破。

还有一个被很多人忽略的细节：零计算专家（Zero-computation experts）。不是每个 token 都需要全马力计算。标点符号这种简单 token 会被路由到零计算专家，直接绕过不做任何变换，用 PID 控制器动态调整专家偏置。这样实际激活参数在 33B-56B 之间动态变化，而不是固定 48B——成本控制到细节了。

性能实测：SWE-bench Pro 超越 GPT-5.5

美团公布的评测数据（均为内部测试，尚未有独立第三方验证）：

评测基准	LongCat-2.0	对比
SWE-bench Pro	59.5	GPT-5.5 58.6
Terminal-Bench 2.1	70.8	代理式终端任务
SWE-bench Multilingual	77.3	跨语言仓库任务

SWE-bench Pro 上超过 GPT-5.5 0.9 个点，虽然差距不大，但考虑到这是用国产芯片训练出来的开源模型，意义完全不同。在 Terminal-Bench 2.1 达到 70.8 分说明它在 Agent 循环中的执行和错误恢复能力很强——这对我们做 AI DevOps 的人来说是实实在在的利好。

不过也要清醒：在通用 Agent 基准（FORTE、BrowseComp）上，LongCat-2.0 仍落后于前沿闭源模型。它的强项高度集中在软件工程领域，不是全能冠军。

价格屠夫：MIT 许可证 + 白菜价推理

LongCat-2.0 以 MIT 许可证 开源，这意味着你可以随意 fork、修改、商用，甚至不需要披露你的改动。

API 定价更是"卷王"级别：

标准价格：$0.75/百万输入，$2.95/百万输出
限时促销：$0.30/百万输入，$1.20/百万输出
缓存命中：完全免费

对比一下：Grok 4.3 是 $1.25/$2.50，DeepSeek V4 Pro 是 $0.435/$0.87。LongCat-2.0 的促销价直接把千亿参数模型推理打到了"白菜价"区间。而且原生 1M 上下文意味着你可以把整个仓库喂进模型，而不需要搞一堆 RAG 分块和检索 hack。

不过有个重要的 caveat：权重尚未公开。GitHub 和 Hugging Face 页面都写着"Model weights coming soon — stay tuned!"。所以目前只能通过 LongCat API、OpenRouter 或 Claude Code 等工具链调用，不能本地部署。

行业冲击波：三个层面的深远影响

第一层：芯片管制失效了吗？

华盛顿对华芯片出口管制的逻辑很清晰——卡住算力，就能阻止中国在 AI 前沿的追赶。LongCat-2.0 用 5 万张国产 AI ASIC 做到接近 GPT-5.5 的水平，说明这个假设至少需要重新审视了。训练过程没有 Nvidia CUDA 工具链的支持，美团在国产芯片上完成了 35T tokens 的预训练并且"没有出现不可恢复的 Loss 尖峰"——这是国产芯片生态成熟度的重要信号。

第二层：开源 vs 闭源的竞争格局重构

VentureBeat 的分析一针见血：美国对西方闭源模型的出口限制，意外地为中文开源模型创造了一个市场缺口。MIT 许可证意味着任何企业都可以自由使用，不受 OpenAI/Microsoft 等公司的许可条款约束。对于亚洲市场、东南亚开发者、以及受到严格合规限制的行业，LongCat-2.0 是一个极具吸引力的选项。

第三层：外卖公司做 AI 说明了什么？

美团的核心业务是外卖配送，需要实时调度数十万骑手、百万商家、数亿用户——这种规模的实时优化本身就是 AI 的应用沃土。LongCat-2.0 不是美团"不务正业"的副业，而是其长期在 AI 基础设施投入的必然产物。中国的超级 app 公司（美团、字节、滴滴）拥有全球最复杂的实时系统场景，这些场景成了 AI 训练最天然的"实验场"。

对于开发者：今天就能用起来

如果你在 OpenRouter 上已经在用 Owl Alpha，实际上你已经用过了。现在可以直接通过 LongCat API 或你习惯的 Agent 工具链调用：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KEY",
    base_url="https://api.longcat.chat/openai/v1"
)

resp = client.chat.completions.create(
    model="LongCat-2.0",
    messages=[
        {"role": "system", "content": "You are a coding agent."},
        {"role": "user", "content": "帮我重构这个多文件模块，消除重复 I/O 逻辑。"}
    ],
    max_tokens=4096
)

支持 OpenAI 和 Anthropic 兼容端点，可以在 Claude Code、OpenClaw、OpenCode 等工具链中直接使用。最大输出 128K tokens，足够处理大规模的代码生成。

写在最后

LongCat-2.0 的出现不是一个孤立的模型发布。它是一个信号：中国 AI 芯片生态已经从"能不能用"走到了"用得起、能打"的阶段。5 万张国产芯片、35T tokens 的稳定训练、1M 上下文的工程突破——这些数字背后是整个产业链的集体跨越。

当然，权重还没公开、评测还缺第三方验证、通用能力还有差距。这些质疑都很合理。但如果你是一个每天在跟代码和 Agent 打交道的工程师，现在就可以去 OpenRouter 上拉一下 LongCat-2.0，亲身体验一下这个"外卖公司"训练出来的编码模型到底有几把刷子。

毕竟，评测数据都是别人说的，真正好不好用——你的 IDE 会告诉你答案。

开源模型 on AI博士 万戈