中国生活服务巨头美团发布了面向「智能体编程」（模型自主规划并编写软件）的大语言模型「LongCat-2.0」。其总参数量高达1.6万亿，但每次处理只激活其中一部分以控制算力开销，并可处理长达100万tokens的上下文。最引人注目的一点是，整个训练过程完全在中国国产芯片上完成。本文梳理这款模型的内部构造、定价，以及它对行业的意义。
备受关注的「Owl Alpha」真身
在正式亮相之前，LongCat-2.0就已在全球开发者中崭露头角。在可通过单一入口调用多种AI模型的平台OpenRouter上，一个未公开身份、名为「Owl Alpha」的模型在约两个月里稳居使用量榜前列，而美团如今揭晓：Owl Alpha正是LongCat-2.0。
据揭晓后整理的运行数据，Owl Alpha在OpenRouter上每月处理约10万亿tokens，日均约5590亿tokens。其使用量环比增长242%，跻身全球使用排行前三。一个隐去名称与来历的模型仍被如此大量使用，足见它在性能与成本两方面都赢得了开发者的青睐。
1.6万亿参数，实际运行的只是一部分
LongCat-2.0采用「专家混合（MoE，按需调用多个专家子模型的方式）」架构。总参数量虽高达1.6万亿，但处理单个token时实际激活的平均约为480亿参数，并会依问题的复杂度在约330亿到560亿之间浮动。通过将简单处理导入更轻量路径的「Zero-Compute Experts」设计，它减少了始终全量运行的稠密模型常见的算力浪费。
在处理长上下文方面也下了功夫。美团表示，其引入了在DeepSeek所用稀疏注意力机制基础上演进而来的「LongCat Sparse Attention（LSA）」，使100万tokens的上下文能够以现实的算力负载来处理。这一设计针对的正是把整个源代码一次性读入、再交由模型进行修改或生成的用法。
基准测试与激进的定价
公开资料显示，在考察真实软件开发任务的「SWE-bench Pro」上，它取得59.5分，略微超过OpenAI的GPT-5.5（58.6分）；在评估终端操作的「Terminal-Bench 2.1」上得分为70.8。不过这些均为美团方面公布的数值，实际使用体验会因任务与条件而异，因此仍需结合第三方验证来看待。
许可证方面采用对商用限制极少的MIT许可证，并在GitHub与Hugging Face上陆续开放。API调用价格同样颇为激进：标准价为每百万输入tokens 0.75美元（约120日元）、每百万输出tokens 2.95美元（约475日元）；限时优惠期间，输入降至0.30美元（约48日元）、输出降至1.20美元（约193日元）。此外，命中已读入上下文「缓存」的部分则完全免费。
※1美元=161日元换算（截至2026年7月3日）
全程用国产芯片训练意味着什么
比技术细节更受瞩目的，是它的训练环境。LongCat-2.0仅在由5万余张中国国产AI芯片（ASIC）组成的集群上完成训练。在生成式AI最前沿模型大多依赖英伟达GPU的当下，这表明仅凭国产芯片也能打造出接近前沿水平的模型。
这一动向恰逢美国收紧先进AI出口管制之际。事实上，OpenAI收窄了新款GPT-5.6系列的开放范围，Anthropic也一度下架了其最新的「Claude Fable 5」。有观点认为，对西方高性能模型的访问越是受限，开发者转向价格低廉、性能出色的中国开源模型的空间就越大。另一方面，公布的基准优势并不等于实际部署中的优势，包括地缘政治层面在内，要形成定论仍需时日。
总结
LongCat-2.0是一款在1.6万亿参数的MoE架构下压缩实际运行部分，同时兼顾100万tokens上下文与编程性能的开源模型。以MIT许可证开放，加上包含缓存免费在内的大胆定价，正对长期由封闭商用模型主导的自主软件开发市场发起冲击。连同其完全采用中国国产芯片训练这一点，从性能、成本到供应链的走向都值得关注。不过，目前的性能评价仍以提供方公布的数值为主，保持等待第三方验证的审慎态度依然不可或缺。
