# 美团发布 LongCat-2.0：1.6 万亿参数 MoE 模型，MIT 开源，全程用自研 AI 芯片训练

> 原标题：LongCat-2.0

- 来源：Product Hunt · AI
- 发布时间：2026-07-07T06:27:32.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/43040
- 原文：https://www.producthunt.com/products/longcat

## 摘要

美团在 Product Hunt 上线了 LongCat-2.0，一个总参数 1.6 万亿的 MoE 模型，每次推理激活约 480 亿参数，上下文窗口 100 万 token。模型用 MIT 协议开源，训练没碰英伟达 GPU，全跑在美团自己的 AI 专用芯片集群上。技术亮点是 LongCat 稀疏注意力机制，能省计算量；后期专门针对写代码和让模型进业务...

## 推荐理由

我会先打个折：正文没给任何评测基准分，也没说自研芯片的具体性能和训练成本，所以“强不强”现在没法判断。但亮点很明确——1.6万亿参数、100万token窗口、纯国产芯片训练、MIT开源，这几个要素凑在一起，在国内是第一次。LongCat稀疏注意力如果能实打实省计算量，对长文本和代码场景会有用。后期训练专门针对写代码和业务部署，说明美团不是放个玩具出来，是想让模型真进生产环境干活。如果是真的，训练成本可能比用英伟达低一截，这点先别太激动，等更多数据出来再看。

## 锐评

美团在Product Hunt上发了LongCat-2.0，一个总参数1.6万亿的MoE模型，每次推理只激活约480亿参数，上下文窗口能塞进100万token，相当于一次能读三部《三体》的量。模型用MIT协议开源，训练全程跑在美团自己的AI专用芯片集群上，没用英伟达GPU——这是整条消息里最值得关注的点，说明大厂在算力自主上开始动真格了。

技术上说，LongCat稀疏注意力机制能省计算量，后期专门针对写代码和让模型进业务流程干活做了优化，还接入了Claude Code这类工具。但Product Hunt的帖子没披露任何基准测试分数、API价格或吞吐量数据。没有这些数字，就没法判断它跟同体量模型比到底什么水平。

我会先打个折：开源和自研芯片这两件事本身有价值，但性能承诺得等跑分出来再说。另外，模型实际部署的稳定性、在真实业务场景里的表现，正文也都没提。