國內首個國產卡訓推萬億大模型，開源！

美團於7月6日正式宣布開源萬億參數等級的大語言模型LongCat-2.0，並同步釋出針對國產運算晶片深度優化的推理程式碼。此舉讓LongCat-2.0成為業界首款在五萬張國產算力卡規模的叢集上，完成全流程訓練與推理的萬億參數模型，為國產AI基礎設施立下重要里程碑。LongCat-2.0採用混合專家（MoE）架構，總參數達到6萬億，但在實際推理過程中僅需激活約480億參數。這種設計在不顯著增加運算成本的前提下，大幅擴充了模型的知識容量與能力上限，使其能夠應對複雜多變的真實任務。在權威評測方面，LongCat-2.0展現出與國際一線模型比肩的實力。

在聚焦深層軟體工程能力的SWE-bench Pro中，模型拿下59.1分；而在涵蓋多種程式語言的SWE-bench Multilingual評測裡，LongCat-2.0獲得77.8分，成績與GPT-4o持平，凸顯其在程式碼理解與生成上的高水準。除了程式碼相關任務，LongCat-2.0在真實終端指令交互評測Terminal-Bench 2.0中亦參與了對比，顯示出在命令行操作與工具使用方面的潛力。在搜索智能體評測RWSearch上，該模型則獲得了78分的成績，進一步佐證其在資訊檢索與任務規劃上的實用性。LongCat-2.0的最核心亮點在於其完全基於國產運算晶片完成訓練與推理。

過去，訓練萬億參數等級模型幾乎只能依賴NVIDIA等國際大廠的高階GPU，如今在國產晶片叢集上實現同等規模，證明了國產硬體與軟體棧已具備承載超大規模AI模型的能力。美團同步開放的推理程式碼經過針對國產晶片的深度優化，開發者可以直接在國產硬體上部署LongCat-2.0，無需繁瑣的底層適配工作。這項開放策略大幅降低了國產晶片的使用門檻，有助於吸引更多團隊投入國產AI生態的應用開發。從產業角度來看，LongCat-2.0的開源不僅是美團技術實力的展示，也為學術界與中小型企業提供了一個可在國產算力上運行的高性能基座模型。研究人員可基於此模型進行微調、蒸餾或進一步研究，加速AI技術在國產平台上的演化。

長遠而言，LongCat-2.0的成功練成與開源，將推動國產晶片、框架與應用層之間形成正向循環。隨著更多開發者使用並反饋，國產算力軟體棧可望加速成熟，降低對特定國際供應鏈的依賴。美團選擇在模型能力達到一定水準後立即開源，也反映了當前開源社群與大廠之間的新型協作模式。開源不僅能吸引外部貢獻者加速模型迭代，也能樹立技術影響力，為後續商業化鋪路。對於終端開發者而言，LongCat-2.0提供了一個難得的機會：在國產硬體上直接運行萬億參數大模型，進行對話系統、程式碼輔助、智能體等應用開發。特別是結合RWSearch與SWE-bench等評測的優異表現，該模型在企業級任務中具備實用價值。

值得注意的是，LongCat-2.0的訓練與推理過程均記載於公開的技術文檔中，開源代碼亦上傳至GitHub，供社群檢視與複現。這在萬億參數模型中相當罕見，有助於建立信任並促進科學研究。在國產算力逐步追趕國際水準的當下，LongCat-2.0的出現驗證了一條可行的技術路徑：即使不依賴最先進的進口晶片，依然可以訓練出競爭力強大的大模型。這對國家算力戰略與產業安全具有深遠意義。未來，美團是否會持續投入更大規模的開源模型，或者將LongCat系列融入自身業務，尚待觀察。但可以確定的是，LongCat-2.0的開源已為國產AI社群注入一劑強心針，也為後續其他企業的類似行動提供了參考範本。

綜合來看，LongCat-2.0在技術指標、開源程度、國產硬體適配三方面均達到業界領先，堪稱當前國產大模型開源領域的代表作之一。隨著社區反饋與生態建設逐步推進，該模型有望在實際應用中持續進化。