TL;DR： 美团 LongCat 2.0-Preview，1.6 万亿总参数（480 亿动态激活）、1M 上下文窗口、MoE 架构、全栈国产算力训练。已在 OpenRouter 上以 \"Owl Alpha\" 名义测试，API 定价低至 9.9 元/月。这是一个从参数规模到 Agent 场景全面对标 GPT-5.5 级别的作品。
一、LongCat 是谁？
LongCat（龙猫）是美团的 AI 部门，2025 年正式成立。但它在不到两年时间里，推出了一整条产品线：
- LongCat-Flash-Chat（560 亿参数 MoE，128K 上下文）
- LongCat-Flash-Thinking（专门优化推理能力）
- LongCat-Next（原生多模态，68.5B 总参/3B 动态激活）
- LongCat-Video / LongCat-Image（多模态）
- LongCat-AudioDiT（零样本文本转语音，2026 年 6 月开源）
- LongCat-Flash-Prover（数学定理证明，2026 年 6 月开源）
而 LongCat 2.0-Preview，是这一系列中的旗舰产品。
二、LongCat 2.0 的核心参数1.6 万亿参数，混合专家架构（MoE）
LongCat 2.0 的总参数量达到约 1.6 万亿（1.6T），采用了 MoE（Mixture-of-Experts）架构，每次推理动态激活约 480 亿参数（范围在 330 亿至 560 亿之间）。这意味着它在拥有巨大知识容量的同时，保持了可接受的推理成本和速度。
100 万 Token 上下文
1M（100 万）的上下文窗口，可以单次处理数百万字的输入——大到一本书、一整个代码仓库、一整年的财务报告。这是长上下文大模型的最新标杆之一。
全栈国产算力
这可能是 LongCat 2.0 最值得关注的一点：训练和推理全程依托国产算力集群完成。
使用了 5 万至 6 万张国产算力卡，未依赖 NVIDIA 硬件。这在中国大模型历史上是一个里程碑——首次在国产算力上训练出万亿参数模型。
三、核心技术亮点LoZA（LongCat ZigZag Attention）
LongCat 系列实现超长上下文的关键技术是自研的 LoZA 稀疏注意力机制：
- 将模型长文本处理能力从 256K 扩展到 1M Token
- 128K 上下文解码速度提升 10 倍
- 256K 预加载速度提升 50%
- 计算资源消耗减少 30%
这是一种高效的稀疏注意力实现，专门针对长上下文场景优化。
Agent 原生优化
LongCat 2.0 从一开始就是为 AI Agent 场景 设计的：
- 原生支持工具调用（Tool Calling）
- 多步推理能力
- 连 Claude Code、OpenClaw、OpenCode、Kilo Code 等主流 Agent 框架都做了深度集成
在 OpenRouter 上的代号为 \"Owl Alpha\"，目前在智能体模型使用量方面已经排到了前列。
四、API 定价策略：性价比路线
LongCat 2.0-Preview 的定价策略非常激进：
- 月卡：9.9 元 = 5000 万 Token
- 缓存命中完全免费
- 测试期间每天赠送 1000 万 免费 Token（有报道称曾达到 5500 万）
这个价格对于刚起步的个人开发者和中小企业来说，几乎是\"零门槛\"体验万亿参数模型。
五、美团的大模型战略布局
美团做 AI 的逻辑和字节的豆包、阿里的通义千问不太一样。美团的核心场景是本地生活服务 + 物理世界交互：
- 外卖配送调度——需要实时推理和路径优化
- 到店推荐——多模态理解图文点评
- 智能客服——长上下文理解复杂对话历史
- 地图/导航——多模态路线理解
- 零售供应链——价格预测、库存优化、自动采购
整个 LongCat 系列的产品线布局，也透露出这样一个逻辑：先做多模态（LongCat-Next），再做长上下文（LoZA 注意力），最后整合为大规模的通用底座（LongCat 2.0）。 每一步都在为\"AI 赋能物理世界\"铺路。
六、现有接入方式
如果想体验 LongCat 2.0-Preview：
- 官方 API：可通过美团 LongCat 平台申请（longcat.chat）
- OpenRouter：搜索 \"Owl Alpha\" 即可调用
- Agent 集成：支持 Claude Code、OpenClaw、Kilo Code 等主流 Agent 框架直接对接
七、意义与展望
LongCat 2.0 的意义不仅在于技术参数。它代表了几个重要趋势：
- 国产算力的可行性——6 万张国产卡训练万亿参数模型，证明了\"卡脖子\"正在被逐步突破
- Agent 优先的设计理念——而不是先做对话模型再往 Agent 方向适配
- 万亿参数进入\"平民化\"阶段——9.9 元月卡说明，大模型正在从昂贵的基础设施变成触手可及的服务
美团 LongCat 团队虽然保持低调（未发布正式的新闻稿或技术报告），但从产品节奏和定价策略来看，美团在大模型赛道上的确在悄悄地加速。
━━━ ━━━ ━━━
后记： LongCat 2.0-Preview 于 2026 年 4 月开放测试，截至发文时已稳定运行。官方博客 longcat.chat/blog 有详细的版本说明。对 Agent 场景感兴趣的朋友，建议去 OpenRouter 上试试 \"Owl Alpha\"。
━━━ ━━━ ━━━
*欢迎关注 LeisureLinux，获取更多深度技术解读。*
玩转本地大模型（LLM）：拒绝吃灰，5个硬核且实用的落地玩法
Google DeepMind 论文论证：大语言模型永远不会产生意识
深度：阿里 Qwen2.5-Coder 开启"算力平权"，代码大模型的"地板价"意味着什么？
OpenAI 发布 GPT-5.6 Sol：最强模型却先给「一小撮人」
