LongCat-2.0 全程沒碰 Nvidia：美團開源 1.6 兆參數模型，宣稱訓練到推論都在中國國產晶片上完成

重點一：2026 年 6 月 30 日，中國美團（Meituan）開源 LongCat-2.0——1.6 兆參數的 MoE 模型、100 萬 token 脈絡長度，權重已公開可下載。

重點二：美團宣稱它是業界第一個從預訓練到推論「端到端」全程在約 5 萬張國產加速卡叢集上完成的兆級模型。重點不是模型多大，而是「訓練」這段被宣稱搬離了 Nvidia。

重點三：這裡有一條界線要分清——可下載驗證的是權重，外部驗不了的是那座機房。最關鍵的訓練硬體宣稱，建立在美團對自家基礎設施的說法上。

中國又開源了一個很大的模型。6 月 30 日，以外送和本地生活服務著稱的美團，把 LongCat-2.0 放上開源——1.6 兆參數，採 Mixture-of-Experts（MoE，混合專家）架構，脈絡長度 100 萬 token。光看這幾個數字，它是一個規模可觀、任何人都能下載來跑的開源大模型。

但真正讓這條消息被一整排科技媒體同步報導的，不是參數量。是美團附在發布裡的一句話：這是業界第一個從預訓練到推論「端到端」（end-to-end），全程在約 5 萬張國產加速卡叢集上完成的兆級參數模型。

換句話說，美團主張的不是「中國能用國產晶片跑模型」，而是更難的一件事——連把模型「訓練出來」這一段，都沒碰一張 Nvidia。

這句話值得拆開來讀，因為它一半是可以驗證的事實，一半是只能聽它說的宣稱。

為什麼重點是「訓練」，不是「模型多大」？

要看懂這條新聞的重量，得先分清 AI 模型的兩段工作：訓練（把模型從零學出來）和推論（拿學好的模型去回答問題）。

過去幾年，中國團隊在「推論」這一段搬離 Nvidia 已有不少進展——拿國產加速卡去跑一個既有模型，難度相對可控。真正卡關、也最受美國出口管制影響的，是訓練，尤其是兆級參數的完整預訓練：它要大量高階加速卡長時間穩定協同運算，正是先進晶片（多由 Nvidia 設計、台積電代工）最不可取代的場景。

所以美團這次宣稱裡，最有份量的就是 end-to-end 這個詞。它把主張從「國產晶片跑得動推論」推進到「國產晶片跑得完訓練」。若這個宣稱成立，動到的不是某顆模型的排名，而是整個 AI 硬體秩序最核心的那個支點——先進運算對 Nvidia／先進晶片的依賴。

這也是為什麼一條來自外送公司的開源消息，會被當成供應鏈新聞來讀。

LongCat-2.0 的宣稱，哪些外部能驗證、哪些不能？

把美團這次放出的訊息攤開，可以清楚分成兩疊：一疊任何人都能自己查，一疊只能採信它的說法。

LongCat-2.0 的宣稱	外部能不能驗證？
開源權重、1.6 兆參數的 MoE 模型	能——權重已公開，可下載、可實際運行、可量參數量
100 萬 token 脈絡長度	能——可自行實測
自評 benchmark 對標 Gemini／GPT-5.5／Claude Opus	部分——可在公開權重上重跑評測，但美團公布的是自評數字，非第三方獨立驗證
全程（預訓練＋推論）在約 5 萬張國產卡叢集完成	不能——此宣稱建立在美團對自家機房的說法上，外部無法直接查核
訓練硬體屬特定國產晶片型號	不能——見於部分報導轉述，美團未逐項點名晶片廠牌

這張表的分界線，就是這條新聞最該被記住的地方。模型本身是真的、可下載的——這不是空頭宣傳，權重攤在那裡，誰都能驗證它的規模與表現。但「訓練全程在國產晶片上完成」這句最關鍵的話，外部驗不了：它說的是一座機房裡發生過什麼事，而機房不對外開放查核。多家報導都點出了這個落差——能下載的是成品，能不能還原它的製造過程，只能靠美團自述。

至於美團公布的 benchmark，把 LongCat-2.0 對標 Google Gemini、OpenAI GPT-5.5、Anthropic Claude Opus 這些封閉前沿模型——這是廠商自評，不是第三方獨立跑出來的結論。可以當成「美團如何定位這顆模型」來讀，不宜直接當成能力排名的事實。

那 5 萬張卡是誰家的晶片？報導指向華為，美團沒點名

關於那 5 萬張卡到底是誰家的晶片，部分報導把它指向華為體系——例如華為的 SuperPod 與集合通訊軟體庫。這個聯想有其脈絡：在國產加速卡這條路上，華為是最常被提到的供應方之一。

但要分清楚：美團官方的發布並未逐項點名晶片廠牌，較完整的一手報導也註明硬體未指定品牌。把「訓練用的是華為某型號加速卡」當成已確認事實，目前缺乏一手依據——它是報導端的合理推測，不是美團攤開的清單。本文把它記為「部分報導指向華為體系」，到此為止。

對讀者來說，這條界線本身就是資訊：當一個宣稱牽動的是地緣與供應鏈的大判斷時，哪些是當事人說的、哪些是外界補上的、哪些是已被獨立查核的，得各歸各的。

把鏡頭轉回台灣：沒有台灣公司直接涉入這次發布。但這條新聞之所以和台灣有關，正是因為它戳的那個點——先進 AI 運算的晶片瓶頸（台積電代工＋Nvidia 設計）——是美國出口管制的支點，也是台灣戰略份量的一部分。一個可信的「國產全程訓練」路徑，是觀察這個瓶頸是否鬆動的一個資料點；而它最關鍵的一段，恰好是外部現在無法驗證的那一段。對台灣的開發者，這條消息另有務實的一面：這是一個可下載的開源 1.6 兆參數模型，要評估它能不能進自己的工作流，自己跑就知道。

還沒講清楚的是什麼？

幾件事目前只有美團的單方說法，外界尚無法獨立確認：那 5 萬張卡的端到端訓練宣稱無法被第三方查核；訓練用的具體晶片型號未經一手點名；MoE 每次推理實際啟動多少參數（部分報導稱約 330 億到 560 億），以及自評 benchmark 的數字，都還等著公開權重上的獨立重跑來對照。

但有一件事 6 月 30 日已經明確：「兆級模型能不能全程在國產晶片上訓練完成」這個問題，被一個可下載的成品放上了檯面。 模型是真的、可驗證的；它的製造過程是宣稱、目前只能聽美團說。這兩件事擺在一起，恰好就是這條新聞要讀者學會分開看的東西。

---

資料來源：Reuters（美團稱新模型以國產晶片訓練）、SiliconANGLE、The Next Web、cybernews 對 2026/6/30 美團開源 LongCat-2.0 的交叉報導。模型規格（1.6 兆參數 MoE、100 萬 token 脈絡）為多源一致；「端到端在約 5 萬張國產卡完成預訓練與推論」為美團自述、外部無法直接驗證；晶片廠牌屬部分報導轉述、美團未逐項點名；自評 benchmark 為廠商公布、非第三方獨立驗證。

矽基前沿 · AI 戰爭線（編輯：廖玄同），《LongCat-2.0 全程沒碰 Nvidia：美團開源 1.6 兆參數模型，宣稱訓練到推論都在中國國產晶片上完成》，矽基前沿 [Si]gnals，2026-06-30。https://signals.tw/articles/meituan-longcat2-domestic-chip-training/