
结论:这次的重点不是 1.6 万亿
一句话:美团开源了一个总参数 1.6 万亿的 LongCat-2.5,但这个数字不是重点,重点是它的训练全程一次都没碰英伟达卡。看到这行别急着走,后面值得聊的东西都在那个「没碰」上面。
先交代事实:美团技术团队 11 月 2 日发布 LongCat-2.5,11 月 10 日开源权重,用的是 MIT 协议,可商用推理部署、可二次训练,不需要额外授权。来源是美团技术团队博客(tech.meituan.com/2026/11/10/Meituan-LongCat-2.5-Open-Source.html),The Decoder 也在 11 月跟进报道了这则消息。
先划重点:相当一部分人一看「开源大模型」就先问参数,这题问偏了。1.6 万亿不稀奇,稀奇的是训练全程国产 AI 加速器完成、单卡显存还不足 80GB,这两句话叠在一起,才是这件事真正的分量。
没碰英伟达卡,靠什么跑得动
说白了,问题就是:1.6 万亿参数要训练,单卡显存不到 80GB,放不下。答案是把它拆开、想尽办法并行。这里逐个说,但别被术语吓到,其实逻辑很直。
美团给出了一套组合拳、一共五样东西:超节点拓扑感知并行,让 FSDP 和 EP 的并行度跟单个超节点的卡数对齐;双重分片 FSDP,把状态再压一档;混合词表并行,把词表这块也拆开并行;MoonEP 做动态专家复制,谁忙谁多复制;再加上零拷贝通信和计算重叠,让数据搬移不干等。
效果数字很硬:长序列 SFT 的单卡吞吐,相对 DDP 基线提升了 86%。顺便说,这模型是原生多模态的——把视觉信号表示成多层级离散 token,跟文本一起交给主干模型处理,不再外挂一个视觉模块。它还支持 100 万 token 上下文。
量化在这里也是关键。推理时专家权重和激活同时压到 4bit,走原生 INT4 单元做 W4A4:线上压测相对 W8A8 基线,prefill 吞吐 +43.3%、decode 吞吐 +42.77%,TTFT 降 15.91%、TPOT 降 19.72%,GMM 算子平均 1.73 倍加速。
这套做法里我最想拎出来说的是「训练和推理是两张牌」。训练靠并行和分片把显存压下来,推理靠 INT4 量化把吞吐拉上去,两边各有各的套路,不能混为一谈。有人一看 W4A4 就以为训练也在 4bit,不是的,那是两回事。
评测四个第一,带星号的分数别当真
先看它自己报的评测(美团自家公布,Terminal Bench v2.1):LongCat-2.5 拿到 88.4,上一代 LongCat-2.0 只有 70.8;Terminal Bench v4.0 得 38.5,前代 3.0 是多少没写清,但这一代数字看着是一次明显的跃升。
智东西 11 月 10 日报道里还有一个细节:在 BrowseComp(91.9)、ALE v1.1(38.5)、ResearchRubrics(81.0)、3DCodeBench(55.4)这四项,LongCat-2.5 在 9 款模型里已公布成绩都是第一。四个第一,听着很唬人,但要看口径。
这里要较真。官方表格里那几行带星号的分数——GPT-5.6-Sol 88.8、Claude-Opus-5 89.1、DeepSeek-V4.1-Flash 90.6——都来自公开技术报告或第三方榜单,不是美团自己拉来跑的。这一点必须写清楚:拿自测分数去跟别人家公开分数直接比大小,本身就是不对称的。
MIT 开源背后的生意账
开源协议选 MIT,意味着任何人都能拿去商用、能二次训练,不用签授权。这一步直接拉低了开发者的选型门槛。而开源当天,据智东西报道,开源 AI 编程工具 OpenCode 就宣布限时免费两周。
热度账也很好看:截至 11 月 10 日中午,LongCat-2.5 在 OpenCode 累计 token 用量约 1090 亿、独立用户约 4700 名、约 5 万次会话。同时 API 给了个限时优惠价——每百万 token 输入 2 元、输出 8 元,缓存命中输入只要 0.04 元。
这个价格放在国产卡成本上才能看懂:模型权重免费、训练不靠英伟达的溢价,才有底气把 token 打到这么低。对做应用而不碰训练的团队来说,这基本等于把「用不用」这个决策从预算问题变成了纯技术问题。
但生意不止一边。智东西在同一篇里给了另一组数:DeepSeek-V4.1-Flash 在 26 项可比测试里,有 14 项分比 LongCat-2.5 高。开发者做选型时,性能不是唯一维度,但价格战里对手的分更高,这个信号不能假装看不见。
泼冷水:循环推理还在,生态也没熟
正面说完,说短板。有 X 用户直接指出:正式版 LongCat-2.5 在一些场景下仍会出现循环推理——模型反复绕圈、产生冗余内容。这在长程智能体任务里是实打实的坑,绕到最后既浪费 token 又影响可用性。
美团自己也承认在花力气对付这个问题。训练里加了长程轨迹,把真实 Agent 失败轨迹转成可复现可验证的训练任务;用 partial rollout 做异步训练;还搞了断网、清 git 历史与文件缓存、用 LLM judge 监督轨迹来限制投机,对重复思考和重复工具调用施加惩罚。做法诚意不小,但「训练里压了」跟「线上彻底没了」是两回事。
还得泼第二盆冷水:权重开源,不等于生态成熟。推理栈、部署经验、社区复现、工具链适配,这些都要时间滚起来。官方宣布「可商用、可二次训练」只是一个起点,真正能不能被用起来、用起来顺不顺,取决于社区跟不跟得上。
我的判断是:这轮最重要的信号是国产加速器把 1.6 万亿这个大尺寸跑通了——它证明的不是 LongCat 性能最高,而是「不靠英伟达也能撑起万亿级」这条路的可行性被实打实摆上了桌面。
但这里有个前提
但这里有个前提:所有评测都是美团自己公布、自己拉的口径,第三方还没给出成体系的独立复现。单卡显存不足 80GB、全程国产卡——这些数字都来自官方博客和报道,没有外部审计。
倒不是说怀疑它造假,而是这套「便宜 + 开源 + 高分」的组合拳,每条都各自成立,但合在一起怎么在别人家的集群上复现、在真实业务里跑到一样的吞吐,现在还没有充分证据。
看热闹可以看这个跃升,选型的话最好等等独立跑分。等社区把 1.6 万亿这个尺寸用国产卡真正跑出稳定的第三方结果,再下结论也不迟。
原文:the-decoder.com/meituan-releases-a-1-6-trillion-parameter-agent-model-that-never-touched-an-nvidia-gpu/;智东西 zhidx.com/p/608737.html



