美团把1.6万亿参数的LongCat-2.5开源了:MIT协议随便商用,国产算力也有部署方案

新闻3天前更新 ai30guanwang
39 0
美团开源LongCat-2.5概念图
万亿参数开源权重:从产品到生态的一周(AI30 配图)

卖外卖的美团,把一个1.6万亿参数的大模型白送了。11月9日,美团LongCat团队在Hugging Face上公开了LongCat-2.5的全部权重,用的是开源世界最宽松的MIT协议——商业推理部署、二次训练、再分发,统统不需要额外授权。而就在一周前的11月2日,这个模型才刚以托管产品的形态上线。从产品到开源权重只隔七天,美团的意图不难猜:它不想赚token的钱,它想买下开发者在工具链里惦记的那个位置。

一、1.6万亿总参数,只激活480亿

先看规格。LongCat-2.5是原生多模态的混合专家(MoE)模型,总参数1.6万亿,但每个词元只激活约480亿——算力开销更像一个中型稠密模型,能力上限却是万亿级。上下文窗口100万词元,中训练序列也拉到了百万级,专治动辄横跨几百个文件、一跑几个钟头的长周期智能体任务。视觉侧,原生分辨率的视觉特征被转成离散token,和文本走同一个骨干网络,看设计稿写前端(Vision2Web 78.6分)这类活儿是它官方点名的场景。部署侧同步放出了W4A4量化版本,专家权重与激活都压到4bit,配套SGLang-FluentLLM方案专门适配国产NPU加速卡。

二、从失败轨迹学起,还要防「作弊」

训练打法比参数更有看头。官方技术报告里最值得琢磨的是「失败驱动」:把真实智能体任务里的失败轨迹转化为可复现、可验证的训练任务,让模型从踩过的坑里学,而不是只盯着成功示范。强化学习链路做了异步改造,没跑完的长任务可以存档续跑,按通过率调节过采样,并对过期轨迹做梯度修正。更较真的是防作弊设计:训练环境直接断网、清空git历史和文件缓存,再派一个LLM裁判盯轨迹,堵死模型走捷径骗奖励的路。这套组合拳说明,长周期智能体的瓶颈已经不在「会不会做」,而在「会不会糊弄」。

三、成绩单与白菜价API

成绩单方面,官方口径是:Terminal Bench v2.1拿到88.4分,上一代LongCat-2.0只有70.8;真实软件工程基准DeepSWE v1.1冲到64.6,而上代只有个位数;BrowseComp拿到91.9,MCP Atlas 83.1。需要说明,对标闭源旗舰的部分成绩引自公开技术报告,横评口径未必完全对齐,但自家前后代的进步幅度是实打实的。价格也是它敢于开源的底气:托管API未命中缓存的输入只要0.3美元每百万词元,缓存命中低到0.006美元,输出1.2美元,不到海外闭源旗舰的二十五分之一。

四、外卖公司为什么送出万亿模型

一家外卖公司为什么开源万亿模型?答案藏在生意结构里。美团的核心场景是本地生活服务,AI智能体帮用户订餐、排单、调度,提升的是自身业务效率,token定价权本来就不在它的主航道上。用MIT协议把权重送出去,换来的是开发者基于LongCat做二次开发时的默认习惯——这和阿里千问靠累计30亿次下载筑起生态护城河是同一个逻辑。国内厂商的开源竞赛已经从「有没有」卷到「多快开源」:DeepSeek开放全家桶API并开源客户端(可参考DeepSeek开放平台),美团紧跟着交出万亿级权重,开源正在从技术情怀变成抢位手段。

五、开发者与GEO各自的功课

对开发者和做GEO的人,这件事各有各的用法。开发者可以评估私有化部署的现实成本:权重文件约1.8TB,官方示例的NPU部署用了194张Atlas A2加速卡,中小团队更现实的路子是先用托管API或经由OpenRouter这类聚合网关接入,再决定是否自建。做GEO的人则要记下一层新逻辑:当企业开始用开源权重在本地跑模型,AI答案的生成环节从云端搬进了内网,你的内容能不能被引用,取决于它是否被训练语料和检索工具同时覆盖——模型卡、技术报告、开源社区的高质量语料正在成为新的引用入口。本周可以做的三件事:在Hugging Face上实测LongCat-2.5对自家业务的适配度;把品牌核心信息整理成模型卡式的结构化描述;监控本地化模型部署对自有流量入口的影响。开源不是终点,谁被默认装进开发者的工具链,谁才拿到了下一轮分发权。

(文 / AI30媒体部 | 2026年11月15日)

© 版权声明

相关文章

暂无评论

none
暂无评论...