AI 最新动态 17 分钟阅读

1.6 万亿参数、全程没碰英伟达:美团 LongCat-2.5 开源权重,把国产算力栈的底牌摊在了桌面上

2026 年 11 月 15 日,美团 LongCat 团队以 MIT 许可放出 LongCat-2.5 完整权重:1.6 万亿总参数、每词元激活约 480 亿,支持 100 万 token 上下文,原生多模态。更关键的是其训练与部署全程基于国产芯片,参考方案用 194 张昇腾 Atlas A2 跑通。本文拆解这套国产算力栈的真实含金量与企业自部署的账。

# 美团# LongCat-2.5# 开源权重# 国产算力# 昇腾# 智能体# MIT 许可
中国女工程师在国产算力数据中心的服务器机柜旁使用平板进行操作
LongCat-2.5 总参数规模(MoE,每词元激活约 480 亿)
1.6 万亿
参考部署所用的昇腾 Atlas A2 加速器数量
194 张
权重开放许可,允许商用、修改与再分发
MIT
美团自测 Terminal Bench v2.1 得分(独立验证尚待观察)
88.4

要点速览

2026 年 11 月 15 日,美团 LongCat 团队按 MIT 许可在 Hugging Face 发布 LongCat-2.5 完整权重,允许商用、修改与再分发。

模型为原生多模态 MoE 架构,总参数 1.6 万亿、每词元激活约 480 亿,支持 100 万 token 输入上下文、最多 12.8 万 token 输出。

模型接受文本、图像、视频输入并输出文本,可开关推理;API 同时兼容 OpenAI 与 Anthropic 格式,可接入 Claude Code、Codex、Hermes。

据美团披露,模型训练与微调全程使用国产芯片,未使用英伟达 GPU;前代 LongCat-2.0 于 6 月底在超过 5 万张国产 AI 芯片集群上训练。

参考自部署方案基于 194 张昇腾 Atlas A2:2 张处理图像、64 张摄取提示、128 张生成响应,未给出英伟达 GPU 部署指引。

W4A4 量化(专家权重与激活 4bit)在美团负载测试中相比 8bit 版本,prefill 吞吐提升约 43.3%、decode 吞吐提升约 42.77%,精度相当。

美团自测 Terminal Bench v2.1 得分 88.4,接近 Claude Opus 5 的 89.1 与 GPT-5.6 Sol 的 88.8;这些为厂商自测,独立验证尚未出现。

黄鹂鸟视角:权重开源降低的是「拿到模型」的门槛,没有降低「跑好模型」的难度——工程栈与数据治理仍是分水岭。

本期三块拼图

模型、国产算力栈与企业工程底座——开源权重落地的三层结构

LongCat-2.5

美团 LongCat 团队 · MIT 许可的万亿级智能体模型

  • MoE 架构,1.6 万亿总参数、每词元激活约 480 亿
  • 100 万 token 上下文,最多 12.8 万 token 输出
  • 原生多模态,文本 / 图像 / 视频输入

国产算力栈

昇腾 + SGLang NPU · 194 卡跑通的完整部署答案

  • EPD 分离式架构:编码 / 预填充 / 解码
  • W4A4 量化,prefill 与 decode 吞吐各提升约 43%
  • 全程无英伟达 GPU 的训练与 serving 路径

企业大模型应用平台

黄鹂鸟科技 · 把开源权重变成可用服务

  • 私有化推理与统一模型网关
  • 知识库沉淀行业语料与规范
  • 调用审计与成本可核算

从发布到开源

LongCat-2.5 从模型发布到权重开放的约两周

  1. 2026 年 11 月 2 日

    美团正式发布 LongCat-2.5 模型,主打长程智能体与原生多模态

  2. 2026 年 6 月

    前代 LongCat-2.0 在超过 5 万张国产 AI 芯片集群上完成训练

  3. 2026 年 11 月 15 日

    The Decoder 等媒体报道模型性能接近西方头部模型,引发关注

  4. 2026 年 11 月 15 日

    美团按 MIT 许可在 Hugging Face 放出完整权重与 4bit 量化版本

  5. 2026 年 11 月 15 日

    参考部署方案披露:194 张昇腾 Atlas A2 与 W4A4 量化的吞吐数据

  6. 2026 年 11 月 16 日

    本文梳理:国产算力栈的完整度,以及企业自部署的真实门槛

一个「反常识」的开源:1.6 万亿参数,全程没碰英伟达

在大模型圈子里,万亿参数模型几乎等同于英伟达集群——这几乎是默认设定。所以当美团 LongCat 团队在 2026 年 11 月 15 日按 MIT 许可放出 LongCat-2.5 完整权重,并明确表示训练与微调全程使用国产芯片、未使用英伟达 GPU 时,这件事的意义就超出了「又一款开源模型」。

据 The Decoder、PANews、GPTOnline 等多家媒体交叉报道,LongCat-2.5 是一个原生多模态混合专家模型,总参数 1.6 万亿,每处理一个词元激活约 480 亿参数,通过 API 支持最多 100 万 token 的输入上下文,单次输出上限约 12.8 万 token。

更值得关注的是时间线:模型在 11 月 2 日正式发布,约一周后权重才公开。也就是说,这次事件的核心不是「模型首发」,而是「权重与部署方案一起开放」——把能不能拿到、能不能跑起来这两个问题,一次性摆到开发者面前。

MIT 许可的分量也不轻。它允许商用、修改与再分发,几乎没有额外的授权摩擦。对照近期一些带地域门槛或营收门槛的「开放权重」许可,MIT 的简洁反而成了稀缺品,对企业法务和合规团队格外友好。

需要保持冷静的是,性能数字目前主要来自美团自测。多家报道都提醒,独立验证尚未出现,限时 API 价格也可能调整。把这些 caveat 一并看进去,才是对待一次开源发布应有的姿态。

还有一个容易被忽略的细节:这次同时放出的是完整 BF16 权重与一个独立的 4bit 量化版本,两个仓库都在 Hugging Face 上。对开发者而言,这相当于把「追求精度」和「追求效率」两条路线的入口都准备好了,不必自己在量化环节从零摸索,验证周期因此被明显压缩。

LongCat-2.5 到底是什么样的模型

从架构看,LongCat-2.5 是典型的稀疏 MoE 模型:总参数 1.6 万亿,但每个词元只激活约 480 亿。稀疏激活的意义在于,模型容量可以做得很大,而单次推理不必为全部参数付算力,这对控制成本至关重要。

多模态的实现方式有讲究。据公开的模型说明,它不是外挂一个独立的视觉编码器,而是把原生分辨率的图像转换为离散的视觉 token,与主Transformer 中的文本 token 一起在统一语义空间里处理。这样做的好处是视觉信息能更深入地参与推理,对视觉编码、设计与 3D 相关任务更有利。

输入输出方面,模型接受文本、图像和视频,输出文本,并允许开关推理模式。对长程智能体任务来说,能按需切换「想深一点」和「直接答」,是在成本与效果之间做平衡的常见做法。

API 兼容性是另一个贴心设计:同时支持 OpenAI 与 Anthropic 两种格式,可直接接入 Claude Code、Codex、Hermes 等智能体框架。对企业而言,这意味着替换底层模型时,上层工具的改动可以压到很小。

训练方法上,美团称用真实 GitHub Pull Request 任务构建强化学习题目,并复现智能体失败场景。为防止「奖励作弊」,训练沙箱切断了互联网、Git 历史与构建缓存,还用一个语言模型裁判检查解答是否走了捷径。这类细节,往往比分数更能反映工程扎实的程度。

中国工程师在服务器机房查看模型训练与推理集群的运行指标
从图像 token 化到真实 GitHub 任务强化学习,LongCat-2.5 的设计细节指向长程智能体场景

194 张昇腾怎么跑起来:EPD 分离式架构拆解

开源权重只是第一步,能不能跑起来才是企业真正关心的问题。美团给出的参考自部署方案,基于 194 张华为昇腾 Atlas A2 加速器:2 张负责原生图像 token 化,64 张负责提示摄取,128 张负责自回归响应生成。

这套分工对应的是 EPD 分离式架构——把编码(Encoder)、预填充(Prefill)和解码(Decode)三个阶段拆开部署。之所以要拆,是因为这三个阶段的资源特征完全不同:预填充偏计算密集,解码偏访存密集,混在一起会互相拖累。

分开部署后,每个阶段可以按自己的特点配置卡数和调度策略,整体资源利用率更高。公开信息提到,这套方案运行在定制的 SGLang NPU 推理栈上,针对非 Blackwell 类芯片的内存带宽限制做了工程优化。

值得注意的是,美团没有提供任何英伟达 GPU 的部署指引。这既是对「全程国产芯片」叙事的坚持,也意味着习惯了 CUDA 生态的团队需要重新熟悉一套工具链。迁移成本客观存在,不能因为模型开源就忽略。

对国内企业来说,这套方案的价值在于给出了一个完整、可参照的样本:从卡数配比到阶段拆分,从量化格式到推理栈,都写得很具体。相比只放权重不谈部署的开源,这种「连答案一起给」的方式更实用。

W4A4 量化:4bit 换来的 43% 吞吐从哪来

量化是让大模型跑得起的关键手段。LongCat-2.5 在专家权重和激活上都采用了 4bit 的 W4A4 量化格式,而这类格式恰好能被国产芯片原生计算,不需要先反量化再算,从而省下大量搬运和转换开销。

美团公布的负载测试数字很具体:相比 8bit 版本,W4A4 在提示预填充阶段吞吐提升约 43.3%,在解码阶段提升约 42.77%,同时精度与未压缩模型相当。两个数字都接近 43%,说明优化是系统性的,而不是某一环节的局部收益。

为什么 4bit 能带来这么大提升?核心是内存带宽。大模型推理常常不是算不过来,而是数据从显存搬到计算单元太慢。权重和激活都压到 4bit,搬运量大幅减少,带宽压力随之下降,吞吐自然上来。

这对企业自部署的意义很直接:同样的硬件能服务更多请求,单位 token 成本下降。对预算有限的团队,量化往往比加卡更划算——当然前提是精度损失在业务可接受范围内。

不过,"精度相当"是厂商在自身测试集上的结论。企业在采用量化版本前,仍应用自己的典型任务做一轮对比评测,尤其要关注长尾任务和专业领域的表现,避免平均指标掩盖了关键场景的退化。

W4A4 量化让 prefill 与 decode 吞吐各提升约 43%——同样的硬件服务更多请求,但精度仍需用自己的业务样本复核。

88.4 分怎么写:看懂自测分数的正确姿势

多家媒体报道都提到了同一组数字:在 Terminal Bench v2.1 上,LongCat-2.5 得分 88.4,略低于 Claude Opus 5 的 89.1 和 GPT-5.6 Sol 的 88.8,低于 DeepSeek V4.1-Flash 的 90.6。单看排名,似乎是「接近第一梯队」。

但在更难的 Terminal Bench v4.0 上,模型得分 38.5,高于 GPT-5.6 Sol 的 37.3,却明显低于 Opus 5 的 53.9。在 DeepSWE 上得分 64.6,相比前代的 9.7 是巨大跃升,但仍低于 DeepSeek V4.1-Flash 的 74.2。

这组数字放在一起,讲出的故事比「88.4 接近第一梯队」复杂得多:在特定版本和特定任务上表现亮眼,在更难、更综合的基准上仍有差距。只看最好看的那个数字,很容易得出过于乐观的结论。

还有一个必须说明的限定:这些分数主要来自美团自测,多家报道都明确指出独立验证尚未出现。BrowseComp 上的 91.9 分更是在美团自己的测试环境中取得,横向可比性需要打折。

所以对企业来说,正确的姿势是:把厂商分数当作选型的第一层筛选,而不是最终结论。真正决定要不要换模型的,是它在你自己的任务、你自己的数据上的表现——那才是与你业务相关的分数。

MIT 许可与限时价格:企业自部署的真实账本

开源许可是这次发布最实在的利好之一。MIT 许可意味着企业可以自由商用、修改和再分发权重,不必担心营收门槛、署名要求或地域排除。对法务团队来说,这类简洁许可的审查成本最低,落地阻力最小。

API 方面,发布期限时价格约为每百万输入 token 0.27 欧元、每百万输出 token 1.07 欧元。多家报道都提醒这是限时促销价,后续可能调整,开发者应以官方价格页为准。把促销价当成长期成本做预算,是很常见的坑。

自部署则是另一本账。194 张昇腾 Atlas A2 的参考配置,显然不是中小企业能轻松承担的门槛起步;再加上机房、运维、电力与人力成本,自建的完整拥有成本并不低。开源省的是授权费,不是基础设施费。

因此在做「自部署还是调 API」的决策时,建议先算清楚三件事:预期的调用规模、数据合规要求、以及团队对国产算力工具链的熟悉程度。规模大、数据敏感、有运维能力的团队更适合自建;反之,先用 API 验证价值更稳妥。

还有一条中间路线值得考虑:用私有化推理平台承载开源权重,配合统一网关做多模型路由。这样既能保留数据不出域,又不必一上来就按最大规模配置硬件,可以随业务增长逐步扩容。

上海陆家嘴天际线夜景与黄浦江水面,多云的蓝灰色天空
开源省的是授权费,不是基础设施费——自部署的真实账本要连硬件、运维与工具链一起算

从「能训」到「能开」:国产算力栈的完整度检验

这次事件最值得记录的价值,或许不在模型本身,而在它展示的国产算力栈完整度。过去谈国产替代,常被质疑「能训不能推」「能跑不好用」「缺生态工具链」;LongCat-2.5 给出的答案,是针对这些质疑的一次具体回应。

从训练端看,前代 LongCat-2.0 已在超过 5 万张国产 AI 芯片的集群上完成训练,说明大规模训练的工程能力已经积累。从推理端看,194 卡参考方案、W4A4 量化、SGLang NPU 推理栈,把「怎么部署」讲得很细。

从生态端看,API 兼容 OpenAI 与 Anthropic 格式、可接入主流智能体框架,降低了迁移门槛。训练、推理、工具链、接口标准四个环节连起来,才构成一条真正可用的技术栈,而不是零散的单点突破。

当然,完整度不等于成熟度。一套技术栈是否经得起大规模、长时间的生产检验,还需要更多真实案例和时间来验证。独立评测的缺位、生态工具链的丰富度、跨硬件的可移植性,都是后续要观察的维度。

但对国内企业而言,至少多了一个可规划、可预期的选项。当算力供给存在不确定性时,手上有不止一条可行路径,本身就是一种风险对冲。这种战略价值,往往比一时的分数高低更长久。

黄鹂鸟视角:权重开源之后,落地仍是系统工程

我们的判断一贯如此:开源降低的是「拿到模型」的门槛,从来没有降低「跑好模型」的难度。权重下载下来只是起点,真正让它在业务里产生价值,靠的仍是一整套工程与治理能力。

第一是推理部署。开源权重要变成稳定服务,需要处理量化、调度、弹性伸缩与故障恢复。没有统一的模型网关和私有化推理能力,模型很容易停在实验环境,进不了生产。

第二是知识沉淀。万亿参数模型 knowledge 广博,但不了解你企业的术语、规范与历史案例。用知识库管理系统把行业语料、处置流程沉淀下来,通过检索或微调喂给模型,能力才会从「通用」变成「懂你」。

第三是审计与治理。模型参与真实业务后,每次调用都要可追溯:输入是什么、输出是什么、有没有人工干预、产生了什么动作。这既是对内管理的要求,也是合规审查的基础。

一句话:LongCat-2.5 把「国产模型能不能做到第一梯队」这个问题往前推了一步;而把它变成企业看得见的效率提升,靠的仍是网关、知识库与治理这些朴素工程。模型开源了,落地依然是系统活。

权重开源降低的是「拿到模型」的门槛,没有降低「跑好模型」的难度——网关、知识库与治理仍是分水岭。

常见问题

采用 MIT 许可,允许商用、修改与再分发,没有营收门槛、署名要求或地域排除,法务审查成本较低。需要注意的是限时 API 价格可能调整,预算应以官方价格页为准。

免费需求分析

看懂了趋势,下一步是选对系统

告诉我们你的行业、团队规模和最想自动化的环节,我们从 866 条产品线里帮你匹配合适的管理系统, 或按需求定制开发——并为 AI 接入预留好规范的数据接口。

电话咨询 17666080858

7×24小时在线

黄鹂鸟科技顾问微信二维码
微信扫码,一对一咨询

把文章里的思路,落成你的系统方案

留下行业与业务规模,我们免费给出针对性的选型建议与实施路径

服务保障

  • 免费需求分析
  • 按行业匹配系统
  • 实施方案透明
  • 7×24 技术支持