先说个挺多人没注意到的事。
过去两个月，OpenRouter（开发者调模型的那个中转站）上有个代号 Owl Alpha 的神秘模型，悄没声地爬到了调用量第一。免费、限额，每天给你五百万到一千万 token 随便用，结果硬是被人用出了一个月十万亿 token 的量。没人知道它是谁家的。
今天答案揭晓了：美团的。
1.6 万亿参数，跑在五万张国产卡上
今天，美团把这个模型正式开源，名字叫 LongCat-2.0，MIT 协议——商用、改、随便，连个招呼都不用打。GitHub、Hugging Face 上都能下。
参数规模 1.6 万亿，混合专家（MoE）架构，每个 token 实际只激活 330 亿到 560 亿参数。这个设计的意思是：模型很大，但你真正用它的时候不用把整个 1.6 万亿都点亮，只调用其中一小块，所以推理成本压得住。上下文窗口拉到 100 万 token，等于你能把一整个大型代码库整个塞进去，让它一口气读完再动手。
光看这些数字，和 DeepSeek V4-pro 是一个量级——同样 1.6 万亿，同样百万上下文。但真正让圈里人坐直身子的，是它怎么训出来的。
关键不在模型，在那五万张卡
美团说，LongCat-2.0 从头到尾——训练加推理——全跑在国产芯片上。没有英伟达 A100、H100，没有 AMD 的 MI300X，整条流水线一块美国卡都没用。一个 5 万张卡的国产集群，美团称这是国产硬件头一回做到这个规模。
这一句话的分量，得对比着看才懂。
DeepSeek 之前也喊过用国产芯片，但那是推理环节用国产卡——模型早就在英伟达卡上训好了，国产卡只负责跑。训练这一关，因为对算力和互联带宽要求高得多，一直是国产硬件最难啃的硬骨头。美团这次把训练也搬上了国产集群，等于把最难的那一段也走通了。
美团的说法是，这套东西建在「数万张 AI ASIC 超节点组成的大规模集群」上。
ASIC 就是专门为某类计算定制的芯片。美团没点名具体是哪家的——华为昇腾、寒武纪还是别的，没说。这个留白挺微妙，但「不靠英伟达也能训出 1.6 万亿」这个事实本身，已经够响了。
跑分不是花架子
纯国产芯片训出来的，会不会是个中看不中用的样子货？看活儿。
| 基准测试 | LongCat-2.0 得分 | 测的是什么 |
|---|---|---|
| SWE-bench Pro | 59.5 | 真实软件工程任务 |
| Terminal-Bench | 70.8 | 命令行里独立干活 |
这两个分数，放在专攻 agentic coding（让 AI 自己写代码、自己跑、自己改）的模型里，已经摸到接近第一梯队的位置。它本来就不是冲着「会聊天」去的，是冲着「接活干」去的——这也是为什么它在 OpenRouter 上能被开发者用出那么大的量。能干活，大家才肯反复调。
顺带一提这条产品线的速度。LongCat-Flash 去年九月才发，560 亿参数；今年三月出了多模态的 LongCat-Next；到今天的 2.0，不到一年，参数翻了快三倍。美团这个一向不被当成「AI 大厂」的公司，憋出来的东西一点不含糊。
这事戳到了哪根神经
美国从 2022 年底开始一轮接一轮收紧对华 AI 芯片出口，赌的就是一件事：你买不到最好的卡，就训不出最好的模型，差距会越拉越大。
LongCat-2.0 是对这个赌注的一次正面回应。如果一家公司能用纯国产硬件训出接近前沿水平的模型，那「卡脖子」这套逻辑的有效期，就得打个问号了。它不一定意味着差距消失，但至少说明：这条路能走，而且已经有人走到了 1.6 万亿这个刻度。
当然，也别急着喊脱钩成功。美团没公布训练用了多长时间、烧了多少钱、良率怎么样——这些藏在「数万张超节点」六个字背后的成本，才是真正决定这条路能不能持续走下去的东西。一次能训出来，和能稳定、低成本、反复训出来，是两码事。
但有一点是确定的：今天之后，「国产芯片只能用来跑推理」这句话，可以划掉了。
参考来源：Meituan open sources LongCat-2.0,CocoLoop、 the 1.6T near-frontier agentic coding model trained entirely on Chinese chips（VentureBeat）；China debuts biggest AI model trained on local chips, as Meituan releases LongCat-2.0（South China Morning Post）；Meituan open sources LongCat-2.0, a 1.6 trillion parameter coding model trained entirely on Chinese chips（CryptoBriefing）