# 美团开源 LongCat-2.0：1.6 万亿参数 MoE 模型，48B 激活，全程用自研 AI ASIC 训练

> 原标题：LongCat-2.0, a large-scale MoE model with 1.6T total and 48B Active

- 来源：Hacker News 首页
- 发布时间：2026-06-30T00:30:11.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/41330
- 原文：https://longcat.chat/blog/longcat-2.0/

## 摘要

美团放出了 LongCat-2.0，一个总参数 1.6 万亿、每次推理激活约 480 亿参数的混合专家模型。它全程跑在美团自研的 AI ASIC 超算集群上，用超过 5 万张卡、没出过需要回滚的重大训练事故，预训练吞下了超过 35 万亿个 token。模型专门为长上下文和智能体任务做了优化：引入 LongCat 稀疏注意力来加速百万 token 级长文...

## 推荐理由

美团开源了一个总参数 1.6 万亿、每次激活约 480 亿参数的 MoE 模型，全程用自研 AI ASIC 训练，5 万多张卡零回滚跑完，预训练数据量超过 35 万亿 token。模型专门为长上下文和智能体场景做了优化，引入了 LongCat 稀疏注意力来加速百万 token 级处理。我会先打个折：目前只有官方博客，没有第三方评测或真实业务反馈，所以分数停在 82 而不是更高。如果是真的，这套非 GPU 训练方案挺省钱，但稳定性和性能还需要更多证据。

## 锐评

LongCat-2.0 最值得关注的点不是参数大，而是它全程跑在美团自研的 AI ASIC 超算集群上，超过 5 万张卡、预训练吞了 35 万亿 token 没发生需要回滚的重大训练事故。这说明在非 GPU 硬件上做前沿规模的训练已经走通了，对算力供应链是个信号。

模型结构上做了几件事：用 LongCat 稀疏注意力加速百万 token 级长文处理，引入 135B 参数的 N-gram Embedding 把嵌入空间扩了约 100 倍，声称比单纯扩大 MoE 专家更划算。官方把它的性能跟 Gemini 3.1 Pro、GPT-5.5、Opus 4.8 放在一起比，但正文只给了柱状图，没披露具体数值，也没说明测试条件是否对齐。这点很关键——没有数字的排行榜只能看个大概，不能当真。

另外，模型已经接入了 Claude Code、OpenClaw 和 Hermes 这些开发工具，说明定位是让模型进业务流程干活，不是只跑分。但实际落地效果、长上下文任务上的延迟和成本，正文都没提。这些信息缺口决定了它到底是个研究发布还是能直接用的东西。