智东西 | 作者：李水青 | 编辑：漠影

智东西7月3日报道，龙猫近期，内幕一个名为 Owl Alpha的美团模型神秘模型在OpenRouter榜单上持续霸榜。其调用量长期稳居 全球前三，何用在Hermes、国产Claude Code和OpenClaw三大Agent模型评测中分别位列 第一、卡训第二和第三，出万被众多开发者誉为今年最令人意外的亿级“黑马”。

▲ Owl Alpha在OpenRouter Hermes调用模型中排名第一

直到6月30日，龙猫这层面纱才被揭开：该模型正是内幕 美团最新发布的 LongCat-2.0（龙猫2.0）。这是美团模型一款总参数量达 1.6万亿、每Token激活约 480亿参数的何用MoE（混合专家）大语言模型。

根据官方基准测试及智东西的国产实测反馈，LongCat-2.0在 原生Agent能力、卡训编程技能及主流编程工具适配方面，出万已具备冲击全球第一梯队的实力。此外，得益于Cache（缓存）命中免费的策略，其Token消耗速度显著低于同尺寸竞品模型。

相较于榜单成绩，更具行业里程碑意义的是：LongCat-2.0是 国内首个完全依托国产算力完成全流程训练与推理的万亿参数模型。其峰值训练规模超过 5万张国产算力卡，刷新了国产算力平台上的最大训练任务纪录。

过去几年，行业核心疑问始终在于：国产算力能否支撑世界级大模型的训练？LongCat团队用三年实践给出了肯定答案。

近日，智东西结合多位项目核心成员、产业信源及技术资料，深度还原这场 历时三年的国产算力攻坚实验。

一、三年前，团队做出了一个“头铁”的决定

回溯至2023年初，ChatGPT引爆全球AI热潮，国内团队疯狂抢购算力，A100等高端GPU一卡难求，供给陷入极度紧缺。

侯龙（化名），美团龙猫团队负责训练工作的核心成员，全程参与了LongCat-2.0从0到1的构建。据他透露，2023年上半年，团队内部开始严肃探讨一个方向：能否利用国产算力进行大模型训练？这一想法起初仅是“随口一提”，但随着深入推演，团队发现其可行性远超预期。

彼时，国产算力生态尚处萌芽期，工具链薄弱，成功案例寥寥无几。行业普遍共识是“国产卡仅适合推理”。但LongCat团队持不同观点。

“大模型训练并非玄学或黑盒，而是一个复杂度极高的科学系统工程。”一位知情人士向智东西表示。

龙猫团队内部分析指出：大模型涉及的算子种类相对有限，适配工作量比想象中更为聚焦。CUDA生态的壁垒主要建立在通用性和丰富性上，但若目标收敛至大模型训练，这一壁垒并非不可逾越。只要硬件精度达标，原理上不存在无法克服的障碍。

当时，团队成员多具备搜广推、CV、语音类小模型训练经验，虽无大模型训练先例，但在机器学习Infra领域已积累深厚。该判断迅速获得公司高层明确支持，决定从基座模型建设初期即同步布局国产算力。

用侯龙的话说：“团队从上到下没有一人说‘行不通’，大家以建设性态度探索如何达成目标。”

“我们确实挺‘头铁’的。”侯龙坦言，“行业认为不可能的事，恰恰是证明自身价值的最佳机会。”

二、从2560卡到5万卡：一场不断踩坑的工程长征

LongCat的国产算力训练并非一蹴而就，而是遵循清晰的渐进扩容路径：

• 2023年7月：正式启动国产算力适配，与厂商建立周会机制及高频技术交流。
• 2023年9月：团队成建制投入验证，从单算子验证推进至端到端打通。

第一个关键里程碑出现在2024年春节前后。团队成功跑通端到端训练，首个Loss数值与主流芯片结果高度接近。工程层面确认此路可行。侯龙回忆：“那一刻，包括工程、算法在内的所有人，对国产算力能否训练已无怀疑，剩下的仅是性能和性价比问题。”

第二个里程碑是2024年7月。一个超过 16000卡的国产算力集群交付。据亲历者回忆，原定12点下班，但因兴奋于技术突破，大家工作至凌晨四五点，甚至拍摄了日出照片。尽管当晚未完全跑通，但一周后作业正常运行时，团队成员兴奋地合影留念。

从千卡到万卡再到5万卡，每跨越一个数量级，都伴随意想不到的挑战：

1. 调度系统崩溃：万卡集群首次启动时，因作业内存总和超过整数上限，系统无法显示。这是基础设施设计之初未曾预料的量级。
2. 比特翻转（Bit Flip）：在数万卡规模下，团队发现硬件计算中随机出现比特翻转，导致数值错误。这是一种物理规律现象，规模越大概率越高。团队通过查阅Google论文及深入排查，最终定位并解决了这一隐蔽问题。
3. 稳定性难题：大模型同步训练要求所有卡步调一致，单卡故障即导致作业挂掉。随着规模指数级增加，全卡无故障概率急剧下降。

应对策略：两条腿走路
* 根因分析：坚持对每次故障（硬件、软件、配置）进行归因并修复。
* 快速恢复：不追求零故障，而是建立自动感知与恢复机制，实现无人工介入的容错。

围绕 稳定性、正确性、效率三条主线，团队重构了超大规模训练体系：
* 通过自动重调度与容错，训练稳定性超 92%，月均日故障率降低 70%。
* 通过确定性算子实现 Bitwise一致性训练。
* 通过ScMoE架构和Zero Bubble Pipeline优化，硬件浮点计算利用率提升超 50%。

5万卡训练的核心挑战，从来不是算力堆砌，而是 系统工程。

三、无成熟生态？那就自研一套基础设施

在国产算力上执行5万卡训练，意味着无法依赖现成软件生态。

据业内人士介绍，随着规模扩大，需重写的远不止算子，而是 整套基础设施。“从核心算子、通信框架到调度系统、训练工具链，LongCat团队在国产硬件之上重新搭建了一遍大模型软件栈。”

侯龙证实，算子开发周期在国产平台上初期长达一个月以上，是成熟生态的数倍，开发体验早期较为痛苦。但团队选择 关键算子自研：

• FlashAttention反向梯度算子：国产平台原有“确定性”实现退化为单核顺序执行，速度慢20-70倍。LongCat自研高性能确定性算子，将性能损失控制在 5%左右，兼顾确定性与效率。
• Scatter类算子：原有实现效率极低，团队重新设计确定性并行算法，性能提升 数十倍。

这些底层自研实现了 整网确定性训练，确保每一步计算可精确复现，便于快速定位异常。

生态演进与精度惊喜
随着生态发展，开发效率与调试体验已无显著差异，尤其是Agent Coding辅助生成简单算子，降低了生态壁垒。

更令人意外的是 精度表现。团队以CPU FP64为基准对比发现，国产算力在部分核心算子上的计算误差甚至 低于主流芯片。
* 原因：国产芯片累加位宽更宽，保证更高累加精度。
* 启示：行业常默认主流芯片为标准答案，但这不代表其精度最高。LongCat实测表明，只要保证计算正确性，国产芯片不存在不可跨越的技术鸿沟。

四、模型能力实测：LongCat-2.0验证了什么？

LongCat-2.0的意义不仅在于完成训练，更在于其 真实能力经得起检验。

在匿名上线OpenRouter期间，LongCat-2.0获全球开发者广泛验证。6月30日公布的综合评测显示，其在 编程和 通用Agent两大场景表现优异：

1. 编程能力

• SWE-bench Pro：得分 59.5，虽不及Claude 4.8/4.7，但超越Gemini 3.1 Pro（54.2）。
• SWE-bench Multilingual：得分 77.3，与Claude Opus 4.6（77.8）持平。
• Terminal-Bench 2.1：得分 70.8，展现稳定执行与纠错能力。

2. 办公与Agent场景

• RWSearch：78.8
• FORTE：73.2
• BrowseComp：79.9
  三项指标均达到或接近前沿闭源模型水平，验证了多步骤任务规划、复杂工具调用及长程检索的可靠性。

▲ LongCat-2.0测评成绩

美团官方案例显示，LongCat-2.0在AI SQL Agent、代码库迁移、儿童AI游戏开发、3D交互演示、AI小说工厂等场景中表现良好。

智东西实测反馈：
在Hermes平台实测中，LongCat-2.0逻辑推理出色，编程完成度高，且与Agent协同能力强。最关键的是，受Cache命中免费策略影响，其 Token消耗速度远低于同尺寸模型。

• 案例1：macOS桌面页面生成
  模型不仅生成相似视图，还生成可交互图标（文件、计算器、便笺等），点击可进入对应页面。计算器功能准确，仅文档应用缺少保存选项。

▲ LongCat-2.0生成的可交互macOS界面

• 案例2：类Google Docs协同编辑系统
  模型顺畅完成开发，展现可靠编程及Agent能力。关键Token消耗速度仅为竞品 五成，若按默认“五折”计费，性价比极高。

▲ LongCat-2.0生成的类Google Docs协同编辑系统

综合来看，LongCat-2.0已接近全球第一梯队Agent模型能力，且 100%由国产算力训练，极大增强了国产算力实验的说服力。

五、万亿参数背后：国产算力跨过关键门槛

LongCat-2.0的发布验证了什么？

“我们2024年就已验证国产算力用于前沿训练完全可行，只是至今才明确公开结论。”一位前龙猫成员表示。

LongCat验证的不仅是模型，更是 一整套国产大模型工程体系：
* 从千卡到5万卡的渐进扩容路径。
* 从算子重写到确定性计算的软件栈建设。
* 从超节点性能一致性到比特翻转的故障应对方法论。

模型架构需重新思考
模型架构是算法与工程 Co-Design（联合设计）的结果，需针对国产硬件显存、通信等特点定制。

LongCat-2.0提出多项原创设计以适配国产硬件：
* ScMoE：通过Shortcut连接使Dense FFN路径与MoE通信并行，理论推理延迟降低约 50%。
* 零计算专家：每层配置128个零专家与768个FFN专家，零专家不计算直接返回输入，激活参数量在330亿-560亿间动态变化。LongCat-2.0是业界首个实现此机制的大规模MoE模型。
* N-gram Embedding：扩展Embedding空间约100倍，提升代码生成与指令理解稳定性。

推理优化
针对国产算力显存与带宽受限，团队采用大Expert Parallelism聚合访存带宽，通过上下文并行容纳百万级长上下文。算子层面实现精细控核与SuperKernel内联优化，将启动开销与计算重叠，端到端TPOT提升约 8%，极限推理延迟接近行业主流水平。

未来展望
展望未来3-5年，侯龙认为 工艺制程仍是硬约束，单芯片参数与国际顶尖仍有差距。但 系统集成可弥补单芯片不足。

“国产算力要坐稳全球第一梯队，关键在于 算法、基础设施、芯片三者的协同设计。”侯龙表示，“LongCat-2.0的经验已证明这条路走得通。”

结语：未来AI竞争，将是系统级全栈竞争

LongCat-2.0的出现，标志着国产算力在大模型训练领域迈过关键门槛，从“能不能”进入“好不好”的阶段。

从2023年7月启动适配，到2024年春节跑通，再到2025年中技术报告隐晦使用“accelerator”一词，直至本周明确宣布“100%国产算力训练”，这是一条持续三年的技术演进路径。

当国产算力承载万亿参数MoE模型的全流程训练与推理，其意义已超越单一公司或模型，有望沉淀为 国产AI基础设施的公共能力。未来AI竞争的重心，正从单点突破走向 系统级全栈能力的比拼。