炸场！美团 1.6 万亿 MoE 大模型 LongCat-2.0 正式开源，五万卡国产算力跑出行业新标杆

美团正式发布万亿参数 MoE 大模型 LongCat-2.0，公布完整技术方案，主打纯国产算力全链路训练推理、超长上下文、代码智能体能力。

(图源网络，侵删)

当行业还在争论万亿参数模型只能依赖海外高端 GPU 集群时，美团直接甩出王炸 —— 6 月 30 日发布、7 月初全量开源的LongCat-2.0，拿下全球首个五万张国产算力卡完成全流程预训练 + 推理的万亿级大模型头衔，彻底打破 “训万亿模型必靠海外芯片” 的固有认知。

不同于多数大厂先发布再验证的套路，LongCat-2.0 早以匿名代号 Owl Alpha 在海外开发者榜单悄悄霸榜：Hermes 生态月调用全球第一、Claude Code 赛道第二，代码能力对标 GPT-5.5、Claude Opus，用实测成绩证明国产万亿大模型已经具备商用级硬实力。

万亿模型落地背后，绕不开一道核心门槛：超大规模弹性算力供给。不管是大厂自研基座，还是中小企业基于开源模型微调部署，算力成本、集群调度、国产芯片适配三大难题始终卡着行业发展，而这也是算家云长期深耕、针对性解决的赛道。

LongCat-2.0 到底强在哪？

(图源网络，侵删)

1. 架构底层：MoE 稀疏设计，兼顾超大容量与落地成本

LongCat-2.0 采用混合专家 MoE 架构，总参数量 1.6 万亿，但采用动态稀疏激活逻辑，单 Token 平均仅激活 48B 参数，区间浮动 33B~56B，稀疏度高达 97%。

简单说：不用每次推理都加载全部万亿参数，简单短句少调度专家、节省算力；复杂代码、百万字长文档自动拉起更多专家模块，算力按需分配。搭配业界首创零计算专家机制，从根源解决 MoE 模型普遍存在的算力浪费、负载不均衡痛点。

同时自研 LSA 稀疏注意力 + Ngram Embedding 模块，原生解锁1M tokens 百万字超长上下文，一次性读取整仓代码、商家全量运营规则、上万条历史对话，不用分段截断，完美适配代码智能体、本地生活复杂业务处理两大核心场景。

2. 产业里程碑：五万卡国产算力，打通训推全链路闭环

这是本次发布最具战略价值的突破。过往万亿参数模型训练，几乎全部依赖海外 A100/H100 集群，国产算力仅能支撑千亿级小模型推理，大规模预训练长期存在技术空白。

美团本次训练峰值动用 5 万张国产 AI 加速卡，耗时月余完成 35T tokens 预训练，攻克三大行业顽疾：

1.万卡集群跨卡通信拥堵：自研分布式路由均衡算法，集群算力利用率稳定突破 42%；

2.大规模训练稳定性：单卡故障自动分片热重启，月均日故障率下降 70%，全程无 loss 尖刺、无训练回滚；

3.国产芯片精度适配：定制专用算子库，消除稀疏计算精度衰减，训推结果对齐海外高端 GPU 集群。

3. 核心能力：主打代码智能体，开源降低行业使用门槛

LongCat-2.0 核心定位Agentic Coding 代码大模型，SWE-bench Pro 实测 59.5 分，超越 GPT-5.5、Gemini 3.1 Pro，仓库级代码修改、自动调试、终端任务执行能力拉满。

7 月 6 日美团全量开源整套方案，宽松 MIT 商用协议，完整开放模型权重、国产芯片优化推理引擎、分布式训练代码，同步上架 GitHub、Hugging Face、ModelScope 三大平台，企业、开发者均可免费商用，不用从零搭建万亿模型底层框架。

算家云给出普惠算力解决方案

LongCat-2.0 的开源，让无数中小企业、科研团队看到万亿级大模型落地的可能性，但摆在面前的现实难题依旧突出：自建万卡集群成本上亿、国产芯片适配调试门槛高、短期微调 / 推理不需要长期买断整机、多型号算力统一调度困难。

针对万亿 MoE 模型训练、微调、推理全生命周期算力需求，算家云打造一站式异构智算服务平台，完美承接 LongCat-2.0 这类超大模型的落地需求，补齐行业算力基础设施短板：

1. 全规格异构算力池，兼顾海外 GPU 与国产芯片双路线

平台同时上架 RTX5090/4090/4090D、A100 等主流高性能显卡，以及国产算力节点，适配两种部署路线：

快速验证场景：4090 低至 1.24 元 / 卡时，按量计费，短期微调、模型测试零闲置成本；

国产自主可控路线：专属国产算力专区，预装适配国产芯片的算子库，复刻美团五万卡集群的优化逻辑，大幅降低国产大模型迁移调试成本。

2. 自研弹性调度，适配 MoE 模型分布式分片部署

万亿 MoE 模型权重需要跨多卡分片存储，传统云平台调度卡顿、负载失衡问题严重。算家云自研多云异构算力调度引擎，支持万卡级任务分布式拆分，自动均衡专家模块负载，解决 MoE 推理 “热门专家拥堵、冷门算力闲置” 的行业通病，大幅提升集群整体利用率。

3. 开箱即用镜像生态，一键部署热门开源大模型

平台内置海量开源大模型预制镜像，现已完成 LongCat-2.0 环境适配，可一键启动训练、微调任务，无需手动配置框架、驱动，新手也能快速上手万亿模型二次开发，省去数周环境调试周期。

4. 算桥 API 一站式调用，不用自建集群也能跑万亿模型

如果企业仅需要调用大模型的代码能力、不想搭建自有算力集群，可直接接入算家云旗下算桥 API。单一 Key 兼容 OpenAI 标准接口，5 分钟快速接入，依托平台自有 GPU 集群兜底算力，高峰期自动扩容，稳定承接高并发代码生成、智能体业务，Token 精准计费，综合调用成本直降 50%，中小企业零门槛用上万亿级大模型能力。

5. 分层服务模式，覆盖全规模用户需求

从个人开发者、高校科研团队到中大型 AI 企业，算家云提供灵活交付方案：短期弹性容器租赁、按月整机托管、私有化一体机部署三选一，支持云边协同混合调度，训练上云、推理本地，兼顾成本与数据安全；容器沙箱隔离 + SSL 加密传输，保障模型权重、业务数据全程可控，适配政企合规场景。

美团用五万卡国产集群证明，国产算力足以撑起万亿大模型；而算家云则把高门槛的大规模算力资源普惠化，让无法自建超算集群的普通开发者，也能低成本玩转 LongCat-2.0 这类前沿万亿基座，打通 “大模型开源 — 算力供给 — 行业落地” 最后一公里。

LongCat-2.0 背后的产业信号

(图源网络，侵删)

1.国产算力生态正式成型：过去国产芯片只能做轻量化推理，如今完整承载万亿参数全流程训练，昇腾、沐曦等国产硬件配套优化方案逐步成熟，算力自主可控不再是空口号；

2.MoE 稀疏架构成为万亿模型主流路线：密集大模型算力成本过高，MoE 动态激活平衡性能与开销，会成为未来 2-3 年大厂基座统一选型；

3.代码智能体进入规模化落地期：LongCat-2.0 主打全流程开发 Agent，叠加本地生活多场景落地案例，预示 AI 将深度渗透研发、产业服务全链条；

4.开源降低行业创新门槛：美团开放完整工程优化方案，搭配算家云这类普惠算力平台，中小团队不用重资产投入，即可参与万亿大模型二次创新，加速 AI 行业百花齐放。

你认为，未来万亿级大模型落地，核心瓶颈是算力成本、国产芯片适配，还是行业场景落地？如果你的团队要基于 LongCat-2.0 开发垂直行业 AI 应用，会优先选择自建集群还是租赁弹性算力？欢迎在评论区聊聊你的观点。