文 | AI 唱反调
打开 Hugging Face 上 LongCat-2.0 的页面，标题下面是 logo 和 MIT License 标签，Model Introduction 里堆满了 1.6 万亿参数、480 亿激活、五万卡国产 ASIC 集群的硬数据。但滑到最底部，一个蓝色 Note 框里写着：Model weights coming soon — stay tuned!
不过讲真，美团这次确实干了一件硬事——五万卡国产专用 AI 加速芯片，区别于 NVIDIA 的通用 GPU，是面向大模型训练定制的专用计算芯片。不靠 NVIDIA 的 NCCL（NVIDIA 芯片之间的对讲机协议），采用国产集群自带的分布式通信协议做分布式训练，把 1.6T 参数的 MoE 模型从头训到尾。
1.6T 的总参数量，平均激活约 480 亿，原生支持 100 万 token 超长上下文。搭配稀疏注意力、多专家动态融合等一系列优化方案，据官方表述，这是国产算力生态中首次完成如此规模的端到端训练验证。
看下评分，SWE-bench Pro 拿到 59.5 分，略高于 GPT-5.5 的 58.6 分。国产算力生态喊了三年模芯协同，美团交出了第一份能跑通的 AI 期中作业。
但三个最能证明国产竞争力的数字，官方全部保密。芯片厂商是谁？训练总成本多少？wall-clock（实际训练耗时）多久？wall-clock 就是实际训练耗时，现在确实都看不到。
有点像咱去买房，问能不能看看样板间咋装修的，人家说：样板间只能看照片。这个比喻不完全精准，毕竟模型都可以跑通了，但问题是，我还准备按照训练过程跑通全国产跑通美团，结果美团自己也没给机会。
权重即将推出，数据只字不提
美团说 LongCat 是 MIT 许可证开源，听起来敞亮。但点进 Hugging Face，权重状态写着 coming soon，即将推出，等于现在是个 " 待开源 " 状态。截至目前，官方只放出了推理框架和 Infra 代码；模型权重开不开、何时开、以什么协议开，全都待定。Infra 框架和推理引擎放出来了，但那 35T 以上 tokens 的训练数据，一个字没提。
开源权重不开源数据，等于美团只给了成品，不给配方。开发者能调用模型，但没法复现训练过程，这就相当于是 " 伪开源 " 了。行业内对大模型开源的默认共识，是至少开放权重、代码、训练数据配比与流程，保证第三方可以复现微调、甚至二次预训练。目前 LongCat 仅开放了推理侧框架，权重待上线、训练侧信息空白，更接近免费商用的闭源模型。
就比如咱拿 DeepSeek V4 比一下，权重、代码、训练数据配比全公开，社区可复现性更强。但 V4 并未像 LongCat 这样强调 " 五万卡国产算力从零训练 " 的工程验证。LongCat 反过来，训练全栈国产，但权重和数据捂着。一个赌全栈国产，一个赌全量开源，目前看谁都没走完。
美团捂着数据不难理解。LongCat 的训练数据里大概率混了大量业务数据，外卖订单、商家信息、用户评价、地理位置。这些是核心资产，不可能公开。但不公开数据构成与清洗规则，行业就无法验证测试集是否存在泄露风险，59.5 分的含金量，目前只能靠企业自己担保。
调用量全球前三：靠低价和免费额度
LongCat 在 OpenRouter 上以 Owl Alpha 的匿名身份跑了几个月，OpenRouter 是第三方模型调用平台，相当于模型的比价网站。
月调用量挤进全球前三。怎么来的？API 定价 0.30 美元每百万 token，远低于 GPT-5.5 的 2.50 美元，而且大量调用免费。
OpenRouter 的排行榜本身就是新模型冲知名度的常规赛道。行业通用玩法就是上线初期靠低价、免费额度冲榜，攒口碑再涨价。说白了，几乎没有哪个新模型的榜单成绩是纯靠付费用户打出来的。一旦收费，这个前三还能保持多久，才是真正的考题。
性能上，LongCat 对标的是 Claude Opus 4.6，但 Anthropic 已经迭代到 4.8，时间窗口就几个月。功能上，它是垂直模型，专为本地生活、Agentic Coding 优化，通用问答和多模态能力明显弱于同期竞品。
全网刷屏的通稿里，几乎都在刻意弱化本地生活垂直的定位，把 LongCat 包装成对标 GPT 的通用大模型突破。但本质上，它从训练目标到数据底座，都是为美团自家的商家智能助手、外卖调度、到店运营服务的。这个定位本身没问题，但放在国产算力突破的宏大叙事里，就容易被误读为通用大模型的胜利。
7 月国产模型正在扎堆发布。Kimi K3，2.5 万亿参数，通用多模态路线，对标 OpenAI 和 Anthropic。百度文心 5.0，2.4 万亿参数，原生全模态。DeepSeek V4，万亿级参数，开源加极低 API 成本，主打模型水电煤。美团 LongCat，1.6 万亿参数，本地生活垂直。参数一个比一个高，但路线彻底分化。资本市场逼着大家比参数，但企业真实需求是能把客服成本砍一半的轻量化方案。
你给一个奶茶店老板推 1.6 万亿参数的大模型，他只会问你能帮我自动回复差评吗。能，但用一个小模型也能做到，没必要上万亿参数。
按行业通用估算，五万卡集群三年折旧加电力加运维，总成本接近百亿级别。美团有外卖、到店、本地生活的现金流，可以摊平。纯 AI 创业公司没有这个缓冲池，根本学不了。阿里通义、京东言犀走通用模型微调加业务落地，轻、快、成本低。美团走全栈自研加从零训练，重、慢、壁垒高。两条路线没有对错，但中小厂根本学不了美团。
LongCat 的工程价值不可否认，但这条路很难复制。国产算力迈出了关键一步，这一步证明路能走，但能不能走得远，还得看钥匙什么时候交。
掌声可以先等一等
国产 AI 不缺突破、超车、第一的通稿。缺的是敢晒真实成本、敢公开核心供应链、敢让所有人复现的坦诚。
对行业而言，真正的交付至少包含三点：芯片与集群配置可核验、权重可下载、训练数据构成与清洗规则可追溯。在此之前，它更像一次工程演示，而非公共基础设施。
一家的里程碑，铺不成全行业的高速公路。楼盖得再高，钥匙不交、账单不晒、路径不说，就永远只是别人的楼。在权重可下、成本可核、数据可溯之前，这一次的掌声，不妨先缓一缓。
