实测美团 LongCat-2.0，国产芯片长出来的万亿大模型

📌 一句话摘要

美团发布 LongCat-2.0，1.6 万亿参数 MoE 模型，全程 5 万张国产芯片训练，在 Agent 与编程任务上接近顶级闭源模型，已开放 API 并实测可接入现有工作流。

📝 详细摘要

文章介绍了美团最新发布的万亿参数 MoE 大模型 LongCat-2.0（总参 1.6T，活跃 480B），并指出其核心意义在于「全程采用国产算力」——从预训练到大规模部署，35 万亿 tokens 的训练在 5 万张国产芯片上完成，无一次不可恢复的 loss 突刺。技术层面，模型引入了 LSA 稀疏注意力机制与 N-gram Embedding，专门优化超长上下文下的推理效率、工具调用与 Agent 稳定性。在基准测试中，Terminal-Bench 2.1、SWE-bench Pro 等编程/Agent 任务上基本追平 Gemini 3.1 Pro，通用推理（IFEval、GPQA-diamond）仍有差距。作者将模型接入 Claude Code 和 Codex 进行了实测，在文件整理、HTML PPT 生成等复杂工作流中表现连贯。文章最后强调，该模型已兼容 OpenAI/Anthropic API，只需更换 base_url 即可调用，对国产大模型生态有标志性意义。

💡 主要观点

- LongCat-2.0 验证了国产芯片训练万亿大模型的可行性。 预训练至部署全程使用 5 万张国产芯片，35 万亿 tokens 无回滚突破，证明国产算力链路打通，不再是理论可能。

LSA 稀疏注意力与 N-gram Embedding 是长上下文与 Agent 的关键创新。 两项技术优化了超长输入下的推理效率和局部语境敏感度，使模型在工具调用、多步 Agent 任务中保持稳定性。

Agent 和编程任务接近顶级闭源模型，但通用推理仍有差距。 Terminal-Bench/SWE-bench Pro 追平 Gemini 3.1 Pro，Agent 任务与 Claude Opus 4.6 五五开，IFEval/GPQA-diamond 落后。

作者实测证明可无缝接入现有工作流。 兼容 OpenAI/Anthropic API，仅需更换 base_url 和模型名即可接入 Claude Code 和 Codex，实测在文件整理、PPT 生成等任务表现连贯。

💬 文章金句

- 这个分量，比多刷几个 benchmark 第一要重。

• 它把一条特别难的链路，完整跑通了一遍。

📊 文章信息

AI 初评：86

来源：卡尔的AI沃茨

作者：卡尔的AI沃茨

分类：人工智能

语言：中文

阅读时间：10 分钟

字数：2377

标签： LLM, MoE, 国产算力, AI 硬件与芯片, AI Agent

阅读完整文章