1.6万亿参数全程国产算力训练：美团LongCat-2.5发布，能力夹在Opus 4.8与Opus 5之间

11月2日，美团正式发布新一代大模型 LongCat-2.5。这款总参数达 1.6 万亿的原生多模态模型，从预训练到推理全程跑在国产算力上，多项主流基准评测成绩落在 Claude Opus 4.8 与 Claude Opus 5 之间，部分专项测试甚至反超后者。在海外旗舰模型轮番提价、高端 AI 芯片一卡难求的行业背景下，一家中国互联网公司用自己的芯片、自己的集群，把万亿参数模型训到了国际第一梯队——这条新闻的分量，远比它发布时的低调要重得多。

更值得关注的是 LongCat-2.5 的定位：它不是为刷榜而生的聊天机器人，而是一个面向长程智能体任务的原生多模态模型。模型把视觉输入统一转换为 token 进行处理，能够理解交互网页、3D 展示页面等复杂界面；智能体编程能力则通过大规模长程强化学习打磨，重点强化端到端工程任务的执行能力，以更好地支撑复杂软件开发。目前模型已在官网 longcat.ai 开放体验，开发者可同步调用 API。从 6 月 LongCat-2.0 首次在国产算力上完成万亿参数模型的全流程训练与推理，到如今 1.6 万亿参数的 LongCat-2.5，美团只用了不到半年。

不用英伟达，1.6万亿参数是怎么跑起来的

「全程国产算力」六个字背后，是一系列实打实的工程难题。LongCat-2.5 在中训练阶段采用了最长 100 万 token 的序列开展长上下文训练，累计训练量达数万亿 token。多张算卡协同处理这样的长序列时，显存容量和卡间通信直接影响效率；而国产算力单卡显存相对有限的现实，让这个问题变得更加尖锐。

美团的解法是与国产算力厂商深度协同，系统性优化显存调度策略、跨卡通信协议以及计算与传输效率。针对单卡显存受限的挑战，团队围绕超节点重新规划任务分工，让参数与任务数据的主要通信尽量在超节点内的高速互联网络中完成，减少跨节点搬运带来的开销。技术博客披露的成绩相当硬核：在所测长上下文监督微调任务中，优化后的单卡训练吞吐量较 DDP（分布式数据并行）基线提升 86%，按单卡吞吐折算，相当于一张卡能在同样时间内完成原来约 1.86 张卡的工作量，处理效率接近翻倍。这意味着「国芯国模」的协同演进，已经从「能跑」跨进了「跑得划算」的新阶段。

王兴的「反Token工厂」逻辑：模型要长在主业上

为什么美团执着于用全国产算力训练大模型？答案藏在美团 CEO 王兴的态度里。在今年 8 月 28 日的二季度财报电话会上，王兴明确表示，AI 能力的长期价值在于能否真正进入真实工作流、解决真实问题，「我们不会成为 Token 工厂」，美团做的模型和 AI 产品将用于支持主业，提升用户、商户体验和公司经营效率。

LongCat-2.5 的产品设计完全遵循这一路线。模型重点强化商业分析、软件开发两大方向，直接服务本地生活场景的商家。以品牌多渠道经营分析为例，模型可以自主构建全渠道利润分析表，精准识别增长中的结构性问题，并生成有针对性的优化建议——对外卖、到店、零售等美团核心业务而言，这种「懂业务」的 AI 助手，显然比一个只会聊天的通用模型更有价值。从评测结果看，LongCat-2.5 在多项主流基准中的成绩介于 Claude Opus 4.8 与 Claude Opus 5 之间，部分测试超过 Opus 5，整体能力已比肩国际成熟闭源模型和头部开源模型。在行业普遍沉迷于参数规模与生成吞吐量竞赛的当下，美团把锚点压回了真实工作流。

融资与创业潮：AI 视频与具身智能都在吸金

模型战之外，资本市场的热度同样灼人。中国 AI 视频团队达瓦科技（Higgsfield）披露，公司年内连续完成 Pre-A 轮、A 轮融资，累计金额近 5 亿元，投资方包括启赋资本、投控东海、一村资本、宝捷会、鞍羽资本及多家产业投资机构，老股东持续加注，鞍羽资本担任长期独家财务顾问。这家公司主打的卖点是 AI 视频的「可控时刻」——当视频生成从「抽卡」走向可控，创作工具的竞争维度也随之升级。

与融资消息相伴的还有一场社区争议。开源图像工具 ComfyUI 因举办「Open Source Higgsfield」挑战赛，收到了 Higgsfield 方面的律师函，被要求 48 小时内下架相关活动，理由是商标与 CEO 形象侵权；而 ComfyUI 方面的说法是，该挑战赛的由头是 Higgsfield 未兑现此前的开源承诺。这场口水战背后，是 AI 视频赛道对「开源」二字越来越认真的占位。

人才流动与创业潮是另一条主线。前豆包策略产品负责人孙展鹏的初创公司未见之境完成首轮融资，投资方为红杉中国与 Monolith 砺思资本。具身智能赛道同样热闹：Meta 的人形机器人 Muse 被曝「中国造」，其机器人业务产品副总裁此前曾来上海工作近两个月；国内破壳机器人则发布了 RoboAPI，负责人许华哲公开谈及背后的产品洞察。大厂 AI 产品负责人密集离职创业，应用层正在进入人才与资本双密集的爆发期。

robots.txt 成 AI 训练闸门：四大厂首次统一退出信号

就在巨头比拼模型的同时，一场关于「AI 能抓什么数据」的规则重构也在推进。OpenAI、谷歌、微软和 Anthropic 宣布联合支持一套统一的「训练退出」标准：网站所有者只需在 robots.txt 中添加一行统一标识（User-Agent: __usage_ai-training），就能一次性向多家 AI 公司表达「内容不得用于生成式 AI 训练」的偏好，而不必再逐家配置爬虫规则。该标准由 Anthropic 标准技术负责人 Kevin Kelley 向 IETF 提交草案，Anthropic 已率先采纳，OpenAI 计划在未来几个月内落实，微软将于 2027 年 2 月 1 日起支持，谷歌预计明年初跟进，Meta 则表态支持建立通用信号但尚未给出时间表。

需要清醒的是，这一信号是自愿且非追溯的：它只能约束新爬取，无法要求删除已抓取并用于训练的内容，主要覆盖生成式训练场景，传统搜索索引不受影响。它解决的是「表达」问题，而非「授权」问题——数据治理权从企业间的双边规则，向机器可读、可复用的公共协议层迁移，本身就是行业基础设施的一次升级。在出版商长期饱受 AI 爬虫涌入困扰、RSL 收费标准与 Cloudflare 默认屏蔽 AI 爬虫等方案各自为战的背景下，四大厂能坐到一起统一信号，本身就是一种稀缺的行业协调。

开源圈的高产一天：从像素统一到代数世界模型

开源社区同样没有闲着。英伟达开源 PixelUMM，尝试在像素空间统一视频图像的理解与生成，告别传统统一多模态模型中 ViT 负责语义、VAE 负责潜变量的双流割裂，让同一张图像以更紧凑的方式进入上下文；清华姚期智团队发布代数世界模型，目标是「让 AI 像牛顿一样思考」，用代数结构描述物理世界的运行规律；谷歌则开源 CLASHarness，专门实测前沿大模型在多 Agent 协同场景下的冲突处理能力——当队友 Agent 读到旧缓存、下达矛盾指令甚至锁死共享文件时，主控 Agent 该听谁的。

把这一天的新闻连起来看，脉络相当清晰：美团用国产算力把 1.6 万亿参数训成「懂业务」的模型，达瓦科技们的融资潮涌向应用层，四大厂在 robots.txt 上统一数据治理接口，开源社区则在啃多模态与世界模型的硬骨头。AI 行业的竞争重心，正在从「谁的参数大」，转向谁能把算力、数据与真实工作流拧成一股绳——而这股绳的每一股，都开始有了中国团队的位置。