外卖公司做出1.6万亿参数大模型:美团这只"LongCat",盯上的不是发布会

提起美团,大多数人的印象还停留在外卖、团购、酒店、电影票和本地生活。但这一次,它把一个新名字推到了 AI 圈中心——LongCat-2.0。

这不是一次普通的产品更新。LongCat-2.0 不是小模型,也不是某个垂直场景里的轻量工具,而是一个总参数规模达 1.6 万亿的基础大模型。更关键的是,美团官方强调:它是在国产算力集群上完成训练和推理全流程的万亿参数模型。

一家做外卖和本地生活的平台,为什么要做这么大的基础模型?这背后,藏着中国 AI 竞争的一个新方向:大模型不再只是科技公司的游戏,而是正在进入真实产业。

一、LongCat-2.0 最核心的信息是什么、

先抓三个关键词。

第一,万亿参数。 LongCat-2.0 采用 MoE 架构,总参数规模 1.6T,平均每个 Token 激活参数约 48B,动态激活范围约 33B 到 56B。这不是"小而美",而是直接踏进了全球大模型主战场。

第二,国产算力。 美团称 LongCat-2.0 是在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。这一点非常重要——大模型竞争从来不只是算法竞争,更是算力、工程、芯片和系统能力的综合较量。

第三,Agentic Coding。 LongCat-2.0 的重点不是单纯聊天,而是面向真实的 Agent 任务:代码理解、代码生成、工具调用、自动执行、复杂任务处理。它原生支持 1M 超长上下文,并深度适配 Claude Code、OpenClaw、Hermes 等主流 Agent Harness,在 Coding 任务上表现突出。

一句话:美团这次不是想做一个"会回答问题"的 AI,而是想做一个"能干活"的 AI。

二、真正的看点,不只是参数大

很多人看大模型,第一反应就是比参数。但 LongCat-2.0 值得看的,恰恰是它如何让这么大的模型变得可用。

MoE(混合专家)的核心思路是:模型里有很多"专家",但每次处理任务不需要全部上场,而是根据输入动态选一部分参与计算。这样总容量可以做得很大,实际算力成本却能控制在合理范围。

在此之上,LongCat-2.0 还叠了几层工程设计:通过零计算专家机制实现 Token 级动态算力预算——简单 Token 少花算力,复杂 Token 多给资源;再配合 ScMoE 跨层快捷连接、LongCat Sparse Attention 稀疏注意力、MOPD 多专家融合,专门用来提升长上下文、代码和 Agent 任务下的效率与稳定性。

这背后的逻辑很清楚:未来的大模型,不只要"聪明",还要"省钱""稳定""扛得住复杂任务"。 尤其是企业级应用,不能只看一次对话的效果,而要看长时间、多任务、高并发下是否可靠。

这也是它死磕 Agentic Coding 的原因——代码任务是检验大模型能力的硬场景。它不只是写几行代码,而是要读懂项目结构、理解上下文、调用工具、修改文件、检查错误、跑通闭环。一个模型能在复杂代码任务里稳定工作,它进入办公、运营、客服、数据分析等场景的可能性就更大。

三、1M 超长上下文,意义被严重低估!

很多人觉得,上下文长一点,不就是能多塞点文字吗?其实不是。

超长上下文真正的价值,是让 AI 从"看一段内容"变成"看完整项目"。

以前让 AI 分析项目,它只能看一小段代码;现在它能看更完整的代码库。以前让它总结材料,只能看几页;现在长报告、长合同、长论文、长日志乃至整套项目文档,它都能一次吃进去。

对开发者尤其关键。比如迁移旧代码,上下文太短就只能一段段分析、极易丢失全局逻辑;而 LongCat-2.0 这类长上下文模型,可以一次看到更多代码和文档,更接近真实的工程协作。美团给出的案例也印证了这点:它能分析旧版插件代码库和新版 SDK 文档、梳理架构逻辑,再把插件重构为符合新 API 的实现;也能从一句话生成完整应用,甚至生成 Three.js 的 3D 交互演示。

AI 正在从"帮你写一个片段",走向"帮你完成一个项目"。

四、外卖公司为什么非做万亿大模型不可

美团完全可以调用外部模型,为什么要自己做?想清楚它的处境,答案就浮出来了。

其一,本地生活场景太复杂,通用模型不一定够用。 美团的业务不是简单的信息查询,而是一个超复杂的现实系统:用户要找餐厅、点外卖、订酒店、买票;商家要运营门店、处理订单、做营销、看数据;骑手要配送、规划路线、应对时效;平台还要扛客服、风控、推荐、搜索、调度和供应链。这些任务高度依赖真实场景和业务数据,通用模型能提供基础能力,但要真正嵌进这套系统,需要更深的模型、数据、工程和场景适配。

其二,AI 会成为本地生活的新入口。 过去打开美团是自己搜索、筛选、比较、下单;未来可能变成一句话——"帮我找一家适合今晚约会、环境安静、人均 200 以内、离我 3 公里内的餐厅"。AI 不只是给你搜索结果,而是理解意图,结合位置、价格、评价、偏好、时间、交通和库存,直接给你方案。这就是本地生活的 Agent 化,谁掌握这个入口,谁就可能掌握下一代用户交互方式。

其三,基础模型能力会撬动整个平台效率。 美团内部有海量运营、客服、审核、数据分析、代码开发和商家服务需求。AI 若能提升这些流程,带来的不是单点产品创新,而是整个组织效率的抬升。

所以,美团做大模型,不是为了讲 AI 故事,而是为了让 AI 进入自己的业务底层。

五、比跑分更重要的信号:国产算力能训万亿模型了

LongCat-2.0 还有一个容易被忽略的看点——国产算力。

据美团介绍,LongCat 团队从 2023 年开始探索国产算力,从千卡起步,逐步攻克算子适配、通信优化、分布式稳定性等难题,最终在五万卡集群上完成了万亿参数模型的训练与推理。

这件事的意义远超美团自身。它说明,中国大模型产业正在补上一块极其关键的短板:基础设施。

大模型从来不是几个算法天才就能做出来的,它需要芯片、集群、通信、存储、训练框架、推理引擎、容错机制、数据工程和模型架构共同咬合。过去,全球大模型训练高度依赖先进 GPU;而在外部环境不确定的当下,国产算力能不能支撑万亿模型训练,是一个比单个模型跑分重要得多的问题。LongCat-2.0 至少释放了一个信号:国产算力正从"能用"走向"能训大模型",从小规模验证迈入大规模工程实践。

六、对开发者和普通人,这意味着什么

不必急着把 LongCat-2.0 和 GPT、Claude、Gemini 放一起比谁更能聊天——美团真正想抢的,大概率不是竞争已经白热化的聊天机器人市场,而是把模型放进现实生活服务:用户用 AI 规划一顿饭,商家用 AI 生成经营方案,骑手系统用 AI 辅助调度,客服用 AI 处理复杂投诉,开发者用 LongCat 完成代码任务和 Agent 开发。

而对我们每个人,最大的启发其实是:AI 正在进入越来越多你熟悉的产品。当美团、淘宝、京东、抖音这些平台都深度接入 AI,它就不再是一个单独的软件,而会变成每个 App 背后的默认能力。未来的竞争,不是"用不用 AI",而是"AI 以什么方式进入你的日常"。

结语:外卖巨头做大模型,是 AI 进入产业深水区的标志

大模型竞争大致分三个阶段:第一阶段比谁能做出模型,第二阶段比谁的模型更强,第三阶段比谁能把模型真正放进业务系统、创造实际价值。

美团的模型品牌声量未必最大,但它握着别人没有的东西——真实场景、真实用户、真实商家、真实交易和真实履约网络。一旦 AI 能力和本地生活深度结合,产生的可能不是一个新的聊天窗口,而是一整套生活服务方式的重构。

所以 LongCat-2.0 最值得关注的,从来不是"美团也有大模型了"。而是一个更大的命题:当外卖、酒店、到店、零售、客服、经营、配送和开发都开始被 AI 重新组织,我们熟悉的互联网平台,或许正在进入下一个形态。

美团这只"LongCat",盯上的不是一场发布会。它盯上的,是 AI 时代的本地生活入口。

---

欢迎关注 一步 API,我们会持续分享 AI 资讯、AI 工具、实战经验与踩坑记录,助你高效玩转 AI 开发、少走弯路。

想了解更多或获取专属支持,可添加客服微信:xuexiv5876 / YibuDev,随时交流。