美团发布了一款法律上开放、模型文件可供检视且体量极其庞大的模型。7 月 6 日，这家中国本地生活服务公司以 MIT 许可证发布 LongCat-2.0 的权重，并公开推理代码。Hugging Face 上的主检查点分为 194 个 safetensors 分片，按页面所列大小相加，共计 3.55 TB；另设的 FP8 和 INT8 仓库也都略高于 2 TB。[2][3]

从这个尺度着眼，最能看清这次发布。LongCat-2.0 原生面向集群，与笔记本电脑可承载的模型相去甚远。拥有大规模基础设施的外部团队，可以检查公开权重，也可以部署、调整和测试模型。此次发布由此拆开了两个经常被混为一谈的概念：能否获取权重与部署是否容易。

这批文件也让美团 6 月 30 日的声明有了更具体的形态。首次声明称，模型从头开始训练，所用集群包含 50,000 多块国产加速器，后续将对外开放。六天后，模型文件、公开仓库、多种精度版本、GPU 部署路径和 NPU 推理代码全部出现。[1][2] 这个先后顺序很重要。硬件自主性方面的主张仍由厂商提出；公开的软件包则给了工程师可以实际检查和验证的材料。

此次发布分为两层

模型层体量庞大，却采用稀疏激活。美团公布了 1.6 万亿总参数，每个 token 平均激活约 480 亿个参数，动态范围为 330 亿至 560 亿。6 月的声明称，训练使用了超过 30 万亿 token，内容包括中文、英文、其他语言和代码；当前模型卡给出的数字更具体，超过 35 万亿，其中数千亿 token 用于一百万 token 上下文训练。[1][3]

稀疏激活会减少处理一个 token 所需的计算量，完整参数集依然存在。所有专家权重仍要存储、分发和载入，并在路由器调用时保持可访问。即使活动路径接近小得多的模型，公开检查点仍会占据数 TB 空间，原因正在于此。LongCat-2.0 的发布包把这项差别直接呈现在存储体量上。

美团更大的主张落在硬件层。美团在 6 月发布的说明中称，团队针对国产加速器投入三年，改进了故障处理、弹性替换、确定性算子、通信、内存使用和流水线调度。该公司公布的日均故障率降幅超过 70%，模型 FLOP 利用率提升至原来的 1.5 倍，稳态训练吞吐量超过每天一万亿 token。[1] 路透社对这项发布作了独立报道，同时严格保留了信息归属：50,000 颗芯片的说法来自美团，美团也未披露训练所用的芯片制造商。[5]

这个缺失的名称十分重要。公开的 NPU 服务路径以华为 Atlas A2 硬件为目标，但这份文档只确定了推理部署对象，50,000 块加速器训练所用的硬件仍未得到说明。推理文档与训练来源属于两类证据。

架构的关注点从计算延伸到数据移动

LongCat-2.0 的意义超出参数量，三个设计选择给出了原因。

第一，LongCat Sparse Attention 试图让长上下文检索更贴合底层内存系统。流式感知索引把连续读取与动态 token 选择结合起来；跨层索引让相邻层复用一次选择过程；分层索引则从块逐步缩小到单个 token。美团称，这套方法避开了其基础索引器的二次方评分瓶颈，并贯穿模型的三步多 token 预测路径。[3]

第二，模型增加了 1350 亿个 N-gram 嵌入参数。美团的解释是，当混合专家层已经高度稀疏时，继续增加一组专家的收益会低于沿另一种稀疏维度扩展 token 级表示。[2][3] 现有材料尚未证明 N-gram 嵌入能在每类工作负载上展现更好的泛化效果。这项扩展选择很清楚：把更多参数投向反复出现的局部 token 模式，避免把已经极其庞大的专家池继续拓宽。

第三，模型采用零计算专家与动态激活。较简单的 token 可以沿更轻的路径通过，较难的 token 则分配到更多激活容量。[1][2] 因此，330 亿至 560 亿的区间比单看平均值包含更多信息。评估服务性能时，真实流量中的路由分布比一个统一宣传的激活参数数值更具解释力。

三个选择都指向系统层面的同一问题。只有当理论上的节省能经受住内存读取、互连流量、专家负载失衡和调度的考验，稀疏模型才会取得优势。LongCat-2.0 的设计正试图让执行推理的机器真正利用这种稀疏性。

NPU 部署方案给出现实检验

发布包里有一份看似不起眼、证据却格外扎实的文档：美团 SGLang-FluentLLM 仓库中的 NPU 部署示例。它指定使用一套横跨 12 台机器、共 192 卡的 Atlas A2 集群，其中 64 卡用于 prefill，128 卡用于 decode。方案列出了 Linux x86-64、PyTorch 2.6、CANN 8.5 系列软件、自定义算子、模型路径、启动脚本，以及用于确认服务已运行的 OpenAI 兼容请求。[4]

这类披露很有价值：模型卡上的“NPU 支持”由此对应一套可查的真实拓扑和软件栈。同时，它也划定了采用门槛。192 卡参考部署很难成为小团队直接启用的现成方案，仓库目前也缺少与 GPU 配置口径一致的吞吐量、延迟、能耗或成本对比。[4]

由此可以更如实地理解开放。一所大学的实验室、云服务商、加速器厂商或超大型企业能够审计模型，并复现部分服务路径；多数开发者仍会通过托管端点使用它。权重公开依然有实质价值：公共模型文件允许独立评估、衍生开发、安全检查和替代托管。“可下载”与“普及化”仍是两个层次。此次发布也尚未达到可复现训练的程度：引用的发布包没有训练数据、训练代码，也没有足以重现 50,000 芯片训练过程的方案。[2][3]

基准测试表记录主张，结论仍待独立验证

美团公布的 Terminal-Bench 2.1 得分为 70.8，SWE-bench Pro 为 59.5，SWE-bench Multilingual 为 77.3。对于一款以编程 agent 为主要定位的模型，这些测试项目具有相关性；模型卡同时说明，除标注为取自其他模型官方报告的结果外，其余成绩均在内部测得。[3] 因此，这张表是厂商证据的汇编，混合了美团测试与已发布的对比数字，距离独立盲测仍有一层验证缺口。

一百万 token 的说法也需要相同的界限。此次发布给出了架构、长上下文训练经历和宣称容量，公开的 config.json 却把 max_position_embeddings 设为 262,144。引用文档未说明服务时采用的覆盖参数，也未解释检查点默认值与宣传的一百万 token 窗口如何对应。现有资料同样缺少各个长度的曲线，无法显示上下文增长时的检索、推理与 agent 性能，也没有给出处理代表性代码仓库时的内存和延迟成本。[1][3] 上下文容量标出输入长度上限，长上下文是否有效则要靠评测结果回答。

三项判断需要彼此分开，此次发布的证据才会更清楚：

  1. 模型文件的开放程度确切可查。 权重、许可证、多种精度版本、模型卡和服务代码均已公开。[2][3][4]
  2. 能力证据指明了方向。 编程与 agent 测试结果足以支持外部团队继续验证，现阶段仍主要来自厂商报告。[3]
  3. 国产硬件的经济性仍待回答。 美团公布了一项引人注目的全栈训练成果，芯片身份、同口径成本、功耗、利用率和可复现训练细节仍未披露。[1][5]

接下来真正有分量的证据已有明确形式：公开测试套件配置的独立 agent 运行结果；覆盖多个长度的长上下文曲线，而不只是一项端点数字；公共 192 卡 NPU 拓扑的吞吐量与尾延迟结果；以及更清晰的训练物料清单。一旦这些证据出现，LongCat-2.0 将说明中国国产计算体系既能完成一次引人注目的训练，也能维持可长期运营的开放模型服务。若这些证据迟迟缺席，这次发布依然重要，其主要价值将落在一份公开程度少见、可供深入检查的集群级模型文件上。

来源

  1. 美团，《LongCat-2.0 发布：全国产芯片训练的万亿参数模型》（2026 年 6 月 30 日）——官方发布声明，涉及训练集群主张、架构、训练数据、稳定性与吞吐量数据。
  2. 美团，《LongCat-2.0 开源并发布国产加速器推理代码》（2026 年 7 月 6 日）——官方开放公告，涉及多种精度版本、架构调整、部署策略与模型文件链接。
  3. 美团 LongCat 团队，LongCat-2.0 模型卡与公共模型文件仓库——MIT 许可证、模型设计与配置、基准测试来源、检查点分片、部署路径及使用界限。
  4. 美团 LongCat 团队，SGLang-FluentLLM NPU 部署示例——Atlas A2 192 卡拓扑、prefill/decode 划分、CANN 环境、自定义算子与启动流程。
  5. Ethan Wang、Eduardo Baptista，路透社，《中国美团称新 AI 模型使用国产芯片训练》（2026 年 6 月 30 日）——关于此次发布的独立报道，涉及公司背景、信息归属界限与未披露的芯片供应商。
  6. 亚洲新闻台 / 法新社，《中国美团称新 AI 模型使用国产芯片训练》（2026 年 6 月 30 日）——报道背景，以及 Greg Baker 于 2021 年 4 月 27 日在北京拍摄美团骑手照片的来源页。