美團開源1.6兆參數LongCat-2.0，全程採用國產晶片訓練

美團LongCat-2.0證明，前沿AI無需Nvidia GPU即可訓練，改用5萬顆國產ASIC晶片完成。

美團推出的LongCat-2.0是一款擁有1.6兆參數的開源模型，完全採用國產ASIC晶片訓練。此舉證明了Nvidia GPU不再是前沿規模訓練的必要條件，可能重塑全球AI硬體供應鏈格局。

美團創始人兼執行長王興在聲明中表示：「LongCat-2.0證明，在無法取得先進西方GPU的情況下，仍可實現接近前沿的AI性能。」

該模型每個Token平均啟動480億個參數——根據查詢複雜度不同，範圍在330億至560億之間——並支援100萬Token的上下文視窗。在SWE-bench Pro基準測試中，LongCat-2.0獲得59.5分，超越OpenAI GPT-5.5的58.6分，但在更廣泛的代理型基準測試中仍落後於Anthropic Claude Opus 4.8。標準API定價為每百萬輸入Token 0.75美元、每百萬輸出Token 2.95美元，限時優惠價格分別降至0.30美元和1.20美元——遠低於GPT-5.5的每百萬Token 5美元和30美元。

該模型發布之際，華盛頓正加強限制頂級美國模型的出口，OpenAI被迫限制GPT-5.6的存取，Anthropic也被要求將Claude Fable 5下線。對於面臨西方實驗室API成本上升的全球開發者而言，LongCat-2.0提供了一個更便宜、開放授權的替代方案；而對Nvidia來說，這表明中國每年超過100億美元的GPU採購管線，可能面臨來自國產晶片的結構性競爭。

美團如何在國產晶片上打造兆級參數模型

訓練集群由超過5萬顆國產ASIC晶片組成，以超級節點方式組織，並採用華為的集合通訊庫管理晶片間的協調——這是Nvidia NCCL軟體堆疊的直接替代方案。美團表示，預訓練過程處理了超過35兆Token，且「沒有出現回滾或不可恢復的損失峰值」。對於在未經充分驗證的硬體上進行大規模訓練經常中途失敗的情況而言，這一穩定性聲明極具意義。相比之下，DeepSeek V4-Pro僅在推理階段使用華為晶片，預訓練仍運行於Nvidia硬體——這使得LongCat-2.0成為首個在國產AI加速器上完成訓練與推理全流程的兆級參數模型。

其架構採用混合專家設計，搭配LongCat稀疏注意力機制。該機制是DeepSeek稀疏注意力技術的演化版，透過三種技術解決二次方評分成本問題：支援串流感知的索引以實現合併記憶體存取、跨層索引以將計算成本分攤至相鄰層，以及層級索引以採用粗到細的兩階段評分佈局。N-gram嵌入模組在5-gram Token組合框架中增加了1350億個參數，將核心嵌入空間擴大約100倍，使模型能夠捕捉密集的局部Token關係，同時減少記憶體輸入輸出瓶頸。

訓練完成後，美團應用了「混合專家模型的多教師優化」框架，將訓練後階段劃分為三個獨立集群：代理專家（用於工具調用與自我修正循環）、推理專家（用於多跳邏輯與數學）以及互動專家（用於人類對齊與安全防護）。動態閘控路由機制在運行時融合這些專業化行為，使模型能夠同時協調深度推理、穩定的工具執行與安全的互動。

定價策略壓制西方競爭對手

美團的商業策略瞄準了西方實驗室因漲價而失去的成本敏感型開發者市場。上下文快取命中完全免費處理——這一功能改變了代理型編碼工作流程的經濟效益，因為此類工作流程中模型會重複讀取相同的數百萬Token程式碼庫。對於非快取命中，限時優惠價格為每百萬輸入Token 0.30美元、每百萬輸出Token 1.20美元，使LongCat-2.0的定價接近DeepSeek V4-Pro的永久價格（0.435美元和0.87美元）以及小米MiMo-V2.5 Flash的價格（0.10美元和0.30美元）。標準定價（0.75美元和2.95美元）仍低於Google Gemini 3.1 Pro Preview在20萬Token以下上下文視窗的定價（2美元和12美元）。

該模型曾以代號Owl Alpha在OpenRouter平台上匿名運行兩個月，每月處理約10.1兆Token——月增率高達242%，使其躋身該平台全球前三名。等到美團公開承認時，該模型已在Hermes Agent工作區排名第一、Claude Code部署環境排名第二，並在OpenClaw環境中排名第三。在Terminal-Bench 2.1上，其得分為70.8；在SWE-bench多語言測試中達到77.3；在通用企業工作流程模擬器FORTE上得分為73.2——與Claude Opus 4.6持平，但落後於GPT-5.5的77.8分。

投資視角

對投資人而言，此事的影響具有雙面性。Nvidia股票目前估值倍數較高，市場假設其CUDA軟體與硬體的領先地位牢不可破，但如今面臨來自中國ASIC集群的可信挑戰——這些集群能以更低成本提供具競爭力的性能。與此同時，美團已從一家擁有7.7億年度交易用戶的外送超級應用，轉型為基礎AI基礎設施供應商——這一轉變可能為其核心物流業務之外開闢新的收入來源。美團尚未透露訓練集群的總成本，但成功部署5萬顆國產加速器的事實表明，中國AI晶片產業已達到多數西方分析師未曾預測到的成熟水準。正如分析師陳宇辰在X平台上所言，這一發展呼應了Nvidia執行長黃仁勳自己的觀察——對GPU的出口管制「不會阻止中國，只會加速中國發展運行於國產晶片上的AI」。

本文僅供資訊參考，不構成投資建議。