美团用 5 万张国产芯片训出万亿 coding 模型：LongCat-2.0 能替 Claude 干哪类活
哈喽，我是飞飞。
昨天有个消息把我看乐了：一家送外卖的公司，开源了一个万亿参数的大模型。
美团发布了 LongCat-2.0。我上一篇刚聊完 Claude Sonnet 5 该怎么进我的模型账本，这篇换条完全不同的线：一个国产开源、还是国产芯片训出来的 coding 模型，能不能挤进这本账，替我干点活。
它跟前几天我写的那些 Claude 的工具、安全、方法论都不搭界。这次就一件事：国产 coding 模型，到底能不能顶班。
送外卖的训出了万亿模型
先说 LongCat-2.0 是个啥。
1.6 万亿参数的 MoE 架构，每个 token 实际只激活其中约 480 亿，原生撑 1M 的超长上下文，MIT 协议开源。它不是那种什么都能聊的通用模型。从头到尾，它就冲着 agentic coding 一件事造的：多步工程任务、调工具、自动改整个仓库。
说白了，通用大模型追求的是跟你聊得顺、答得全，LongCat-2.0 追求的是能在一个真实项目里，把代码读明白、改对、还能自己跑起来验证。这是两个活。
为了这个目标，它塞了三样专门的东西：一套稀疏注意力撑起那个 1M 上下文、一套动态激活机制让每个 token 只调用该调用的专家、再按任务类型把专家分成 agent、推理、交互三组分开路由。名词你不用记，记住一句就行：它每一处设计，都在为「一次能吃下一个大仓库再动手」这件事服务。
它其实早就在你我身边跑过了。前两个月 OpenRouter 上有个匿名的神秘模型叫 Owl Alpha，调用量爬到全球前三，很多人拿它接进 Claude Code、Cursor 里干活，还挺好用。上周掀开马甲，那就是 LongCat-2.0。它潜行两个月，靠真实开发者用脚投票爬上来，这份成绩比自己发一张跑分表实在多了。
一家做外卖的公司，把 coding 模型干到这个位置，本身就够反常识了。
它到底强不强
看跑分。数字我都核过官方那张表。
SWE-bench Pro 上 59.5，在美团自己那张对标表里，领先 GPT-5.5 的 58.6、Gemini 3.1 Pro 的 54.2，也压过它对标的 Claude Opus 4.6 的 57.3。Terminal-Bench 2.1 拿了 70.8，多语言 SWE-bench 77.3，跟 Claude Opus 4.6 的 77.8 基本咬在同一条线上，企业工作流那项 FORTE 73.2。
这成绩放在开源模型里，是妥妥的第一梯队。
但我得把话说全，别急着喊吊打海外。这张表是美团自己测的，对标的是 Claude Opus 4.6。可 Anthropic 给自家更新版自报的分要更高。我上一篇核 Claude Sonnet 5 的时候记得清楚，Sonnet 5 的 SWE-bench Pro 是 63.2、Opus 4.8 是 69.2。跨厂自报，版本和测法都不一样，硬拿两边数字比并不公平。
所以稳妥的说法是：LongCat-2.0 稳稳站在第一梯队，接近前沿，但「最强」这顶帽子，现在谁都别急着扣。它真正的价值，其实得换个地方看。
最狠的是那批国产芯片
真正让我坐直的，不是那几个跑分。
是这个万亿模型，从训练到推理，整个跑在一个五万卡的国产算力集群上，全程一张 Nvidia 卡都没碰。按官方的说法，它是业界第一个在国产算力集群上完成全流程训练与推理的万亿参数模型。
美团说这条路他们从 2023 年就开始啃，从千卡起步，一点点攻克算子适配、通信优化、分布式稳定性这些底层难题，三年才走到五万卡这一步。这句话的分量，懂的人自然懂。这两年最卡脖子的从来是算力那道关。买不到最新的卡、买到了也怕哪天被断，是悬在每一家国内 AI 公司头上的事。
之前不少国产芯片训模型的说法，都被质疑偷偷掺了走私的 Nvidia，成色打折扣。而美团这个是已经被核实过的集群，被 AFP 那边点名，是目前最干净的一个国产自主证据点。
说真的，一个万亿模型能从头训到尾、还能拉出来跑推理，全程不靠一张进口卡，这件事本身就是个信号：那条大家一直担心走不通的国产全栈路，被人真的走通了一遍。
LongCat-2.0 真正的分量，不在它跑分多高，在它是第一个用 5 万张国产芯片端到端训出来的万亿模型。它未必是最强的那个，可它是那个证明「不靠 Nvidia 也能把万亿模型从头训到尾」的家伙。
它能不能替我干活
聊回我自己的账本。
上一篇我说过，我给每类活都在心里过秤：一个活该用哪档模型，看它错一点的代价、我一天跑多少次、加上单价。写稿润色这种质量决定成败的核心活，我咬牙用 Opus；格式转换打标签这种死板活，早交给便宜模型了。
LongCat-2.0 补上来的，正好是这本账里一个新的档位：开源、能自部署、按 token 极便宜、还带 1M 上下文，天生适合啃大仓库。它在第三方平台上的托管价，输入每百万 token 不到一块钱，比 Claude 那几档便宜一个数量级。
那些高频、量大、但对质量没那么苛刻的活，就是它最该接手的地方。比如把一个陌生的大代码库整个喂进去做初步梳理、给我理清楚模块关系；比如大段日志、长文档的粗筛，先过一遍把重点捞出来。
这类活一天可能要跑几十上百次，用 Claude 顶档跑纯属烧钱。交给一个便宜又懂代码、还能一口气吞下 1M 上下文的国产开源模型，性价比一下就出来了。
它在 OpenRouter 上直接就能调，价格又低，试错成本几乎为零。我准备挑几个这类高频不苛刻的活，先拿我手头真实的项目跑一批，两头盯着看：它梳理出来的东西够不够我直接用，实际账单又比现在省多少。跑完再决定分不分一部分给它。至于写稿、润色、关键重构这些错一步就得返工的核心硬活，我暂时一个都不动。
它顶活换不掉底座
但这里有个坑，得给想「一步到位换掉 Claude」的人提个醒。
它能顶的是「活」，顶不了我整个「底座」。我整条流水线挂着十几个 skill，加一份越喂越厚的 CLAUDE.md 和一摞 memory，全是照着 Claude Code 的 frontmatter、hook、skill 脾气一点点磨出来的。真要把底座换成别家，这些 skill 调工具吐的格式十有八九会飘，得挨个重校，光那套防 AI 味的 grep 规则就够我重调好几个晚上。
这笔生态迁移的时间成本，比省下来的模型钱贵多了，省钱那本账上从来不记这一笔。
所以「国产模型能不能顶班」这个问题，答案是分活。把某几类活分一部分给它跑，行；指望它整个替掉你磨了半年的工作流，暂时别想。这跟它强不强关系不大，是生态壁垒的问题。
多攥一条后路的意义
绕一圈说回来。
对我这种把整条生产力都押在 Claude Code 上的人，LongCat-2.0 最实在的意义，可能不在它今天能替我省多少钱，在它多给了我一条后路。一个开源、便宜、还是国产芯片自主训出来的强 coding 模型，意味着哪天真遇上断供、涨价、或者哪个模型说没就没，我手里还攥着一个能自己部署、谁也收不走的选项。
这条后路的价值，平时不显。真到那一天，你会庆幸自己早点认识了它。
好了，问题抛给你。如果让你往自己的 AI 编程流水线里塞一个国产开源模型，你会放心把哪类活分给它？又有哪类活，你打死也只敢交给 Claude 或者 GPT？评论区聊聊，你心里那条线到底划在哪一档。