打开hugging face上longcat-2.0的页面，标题下方是logo与mit license标识，model introduction部分密集陈列着1.6万亿参数、480亿激活量、五万卡国产asic集群等硬核指标。但滚动至页面最底端，一个蓝色note框赫然写着：model weights coming soon — stay tuned!
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
眼神锐利的美团，竟也玩起了“期房预售”——图纸已出，交房待定。
不过客观而言，美团此番确实在工程层面干了一件实打实的事：五万张国产专用AI加速芯片，不同于NVIDIA通用GPU，而是为大模型训练深度定制的ASIC架构。不依赖NVIDIA的NCCL通信协议（即GPU间协同的“内部对讲系统”），转而采用国产集群原生分布式通信协议，完整跑通了1.6T参数MoE模型从零开始的端到端训练。
1.6T总参数规模下，平均每步激活约480亿token，原生支持百万级token超长上下文。结合稀疏注意力机制、多专家动态路由等系列优化策略，据官方披露，这是国内算力生态中首次实现该量级模型的全链路自主训练验证。
再看评测成绩：SWE-bench Pro得分59.5，略高于GPT-5.5的58.6。过去三年，“模芯协同”口号喊得响亮，而美团这次交出了首份真正可运行、可验证的国产AI中期答卷。
但有三个最能体现国产技术成色的关键数字，至今未见披露：芯片由哪家厂商代工？整套训练投入多少成本？wall-clock time（真实训练耗时）究竟多久？——所谓wall-clock time，即从第一行代码启动到最终收敛所经历的实际物理时间，目前全部处于黑箱状态。
这三项数据一旦缺席，全国产链条的真实含金量、单位算力经济性、以及相较NVIDIA方案的效率落差，便无从量化评估。行业既无法横向对标，亦难复刻路径，更谈不上生态共建。
这有点像买房时想参观样板间，销售只递来一叠效果图。这个类比虽不完全贴切——毕竟模型确实已上线并可推理——但问题在于：若开发者希望按同样路径，在全国产环境中复现一次LongCat级别的训练，美团并未提供任何可操作的入口。
权重尚未开放，数据更是只字未提
美团宣称LongCat采用MIT许可证开源，听上去极为开放。然而点进Hugging Face主页，模型权重状态仍标注为coming soon，实质上属于“待开源”状态。截至目前，仅公开了推理框架与底层Infra代码；至于模型权重是否开放、何时开放、以何种许可方式开放，全部悬而未决。Infra与推理引擎虽已放出，但支撑其训练的35TB以上原始语料及清洗后数据，却连影子都未见。
仅开源权重却不开放训练数据，相当于只交付成品，不提供配方。开发者虽能调用API，却无法还原训练过程，本质上已构成“半开源”甚至“伪开源”。当前业界对大模型开源的基本共识，至少涵盖权重、代码、训练数据构成比例与预处理流程三要素，确保第三方具备微调乃至二次预训练能力。而LongCat目前仅释放推理侧能力，训练侧信息全面空白，其定位更接近一款免费商用的闭源模型。
不妨对比DeepSeek V4：权重、代码、数据配比全部公开，社区复现门槛极低；但V4并未强调“五万卡全国产链路从零训练”的工程闭环。LongCat则反向操作：训练全栈国产化，但权重与数据严密封存。一边押注全栈自研，一边押注全量透明，双方都尚未抵达终点。
美团暂不公开数据也在情理之中。LongCat训练语料中极可能包含大量业务敏感数据——外卖订单流、商户运营日志、用户评价文本、实时地理轨迹等，均为核心商业资产，自然不可能对外公开。但若连数据来源结构、采样逻辑与清洗规则都不予说明，外界就难以判断测试集是否存在数据泄露风险，其59.5分的评测结果，目前只能依赖企业单方面背书。
全球调用量跻身前三：靠的是低价策略与海量免费额度
LongCat曾以Owl Alpha之名匿名接入OpenRouter平台试运行数月。OpenRouter作为第三方模型聚合与比价平台，堪称新模型打响知名度的“流量主战场”。
其月调用量一度冲入全球前三。靠什么？API定价仅为0.30美元/百万token，不足GPT-5.5（2.50美元）的八分之一，且设有高额免费调用额度。
OpenRouter榜单本就是新模型惯用的“声量速成班”。业内通行做法是在发布初期以低价+赠额抢占榜单，积累口碑后再逐步提价。换言之，几乎没有任何新模型的榜单排名，是纯靠付费用户支撑起来的。真正的考验在于：当免费额度耗尽、价格回归常态之后，这个“前三”还能维持多久？
性能维度，LongCat对标目标为Claude Opus 4.6，但Anthropic最新版本已迭代至4.8，技术窗口期仅剩数月。功能定位上，它本质是一款垂直模型，专为本地生活服务与智能编程代理（Agentic Coding）优化，在通用问答与多模态理解能力上，明显弱于同期竞品。
刷屏全网的传播通稿中，几乎刻意淡化其“本地生活专属模型”的属性，转而将其包装成可比肩GPT系列的通用大模型突破。但事实上，无论训练目标设定还是数据底座构建，LongCat均围绕美团自有场景展开：商家智能助手、即时配送调度、到店运营决策……这一垂直定位本身并无问题，但若置于“国产算力自主突破”的宏大叙事中，极易被误读为通用大模型领域的全面胜出。
7月正值国产大模型密集发布期：Kimi K3以2.5万亿参数切入通用多模态赛道，对标OpenAI与Anthropic；百度文心5.0达2.4万亿参数，主打原生全模态融合；DeepSeek V4则以万亿级参数+极致开源策略，锚定“模型水电煤”定位；而美团LongCat以1.6万亿参数聚焦本地生活垂类。参数节节攀升，路线却愈发分化。资本市场催促大家比拼参数规模，但企业真实诉求，往往是将客服人力成本砍掉一半的轻量高效方案。
你向一家奶茶店主推荐1.6万亿参数的大模型，他只会问一句：“它能自动回复差评吗？”答案或许是肯定的，但一个小而精的模型同样能做到，根本无需动用万亿级算力。
按行业通行估算，五万卡集群三年折旧+电力+运维总成本逼近百亿元量级。美团依托外卖、到店、本地生活三大现金牛业务，足以平摊这笔巨额投入。而纯AI初创公司既无此现金流缓冲，亦无如此雄厚的基建底座，根本无力复制。阿里通义、京东言犀选择通用模型微调+快速业务嵌入路径，特点是轻、快、成本可控；美团则坚持全栈自研+从零训练，特点是重、慢、护城河深。两条路径并无高下之分，但中小厂商显然不具备效仿LongCat的现实条件。
LongCat的工程价值毋庸置疑，但这条路径注定难以规模化复制。国产算力迈出了关键一步，证明这条路走得通；但能否走得远、走得稳，关键还得看那把“钥匙”何时交付。
掌声，或许可以稍缓片刻
国产AI领域从来不缺“突破”“超车”“首个”的宣传口径，缺的是敢于公示真实成本、公开核心供应链、允许全行业复现验证的坦荡。
对整个产业而言，真正的“交付标准”应至少包含三点：芯片型号与集群配置可交叉核验、模型权重可一键下载、训练数据构成与清洗规则可完整追溯。在此之前，它更接近一场高规格的工程演示，而非可供广泛调用的公共基础设施。
一家企业的里程碑，无法自动铺就整个行业的高速公路。楼宇再高，若钥匙不交、账单不晒、路径不说，就永远只是别人家的楼。在权重可下、成本可核、数据可溯之前，这一次的掌声，不妨先按下暂停键。
