问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年6月30日，美团正式发布并全面开源其自研万亿参数大模型LongCat-2.0。该模型总参数量达1.6T，依托五万卡国产算力集群完成全流程训练与推理，预训练数据规模超30T tokens，验证了国产软硬件在大规模分布式计算场景下的可靠性，为超大规模大模型研发提供了全新参考范式。
大模型研发的算力自主可控命题，终于迎来了里程碑式的验证节点。在国内厂商普遍探索国产算力适配方案的当下，美团此次抛出的万亿参数大模型+全栈国产算力的组合，立刻引发了AI圈的广泛讨论。
近几年大模型参数规模不断攀升，从百亿级到万亿级，对算力的需求呈指数级增长。此前全球超大规模大模型的训练几乎全部依赖海外GPU厂商的硬件产品，国内AI产业始终存在供应链不确定的风险。如何依托国产软硬件体系完成超大模型的全流程研发，是整个行业共同探索的核心方向，此前已有多家厂商推出基于国产算力的中小参数模型，但万卡以上规模的集群适配验证一直缺乏成熟案例。
此次发布的LongCat-2.0在技术路径上做出了不少创新。其总参数量高达1.6T，但采用了业内领先的动态范围设计，激活参数仅为48B，动态覆盖范围在33B至56B之间——这种设计意味着模型既保留了万亿参数级的海量知识储备，又能在推理阶段大幅降低算力消耗，兼顾了效果与落地成本。
数据层面，LongCat-2.0的预训练数据总量超过30T tokens，除了深度覆盖中英双语语料外，还融合了多语言语料与高质量代码数据，跨领域理解、生成能力均达到行业第一梯队水平。
整个项目最受行业关注的点，在于其全流程均在五万卡规模的国产算力集群上完成。这一规模的国产算力集群调度，不仅要解决硬件层面的兼容性问题，还要突破大规模分布式训练的通信、调度算法瓶颈。此次LongCat-2.0的顺利发布与落地，直接验证了国产软硬件体系在超大规模分布式计算场景下的可靠性，也为后续其他厂商的同类研发提供了可参考的技术范式。
同时美团宣布全面开源LongCat-2.0，意味着中小厂商也能基于这套成熟的模型底座，快速开发垂直场景的应用，无需从零开始承担超大模型的研发成本与算力风险，将有效推动整个大模型行业的技术交流与落地进度。
LongCat-2.0的动态参数设计，也为后续超大模型的研发提供了新的思路。过去行业普遍认为万亿参数模型的落地成本极高，很难应用到普通业务场景，而动态参数的路径证明，超大模型可以在保留能力的前提下控制推理成本，未来有望在更多本地生活、企业服务等场景落地。
随着国产算力适配方案的成熟，未来会有更多厂商加入国产算力大模型的研发队列，整个AI产业的自主可控进程也将进一步提速。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号