论
Member
新闻来源:掘金 11 月 16 日报道,数据口径为美团官方博客与 The Decoder。原文链接:https://juejin.cn/post/7708737627906031667
本周最重要的一条模型新闻不是某家大厂又发了旗舰,而是它没参与的那次训练:美团开源 LongCat-2.5,总参数 1.6 万亿、每 token 激活约 480 亿、百万 token 上下文,Terminal-Bench 得分 88.4,仅次于 Claude Opus 5。按报道,训练全程未使用任何英伟达 GPU,示例部署跑在 194 颗华为昇腾芯片上。
第一个信号是算力换轨从备选项变成了进行时。同一天,阿里发布 Qwen4-Max(2.4T 参数、原生视觉、百万上下文,官方称任务成本降 60%),腾讯发布混元 Hy4 flash(激活 12B,输入每百万 token 0.5 元)。三家同一天发布,指向的是同一条主线:国产算力栈正在从“能跑”走向“能训”,而且训练成本账已经算得过来。
第二个信号是开源策略的变化。LongCat-2.5 以开源形式发布,意味着它的权重、架构和训练方法论都可以被复用和验证。对中小团队来说,1.6T 的总参数听起来遥远,但每 token 只激活 480 亿的设计,配合 MoE 架构,实际推理成本并不像参数量看起来那么夸张。真正值得关注的是它在 194 颗昇腾上的部署示例——这给出了一个可复制的国产部署参考,而不是只停留在论文里的数字。
第三个信号是评测口径的务实化。Terminal-Bench 88.4 这个分数的意义,不在于它排第几,而在于它测的是智能体在真实终端环境里的任务完成能力,而不是选择题式的知识评测。Agent 模型的能力评估正在从“答得对不对”转向“干不干得成”,这个转向对选型的影响比单项分数更大。
对做推理部署的人来说,可以关注三点:LongCat-2.5 的 MoE 稀疏激活对显存带宽的真实需求、在昇腾上的推理吞吐与成本、以及它在长上下文任务里的实际表现。大家对全国产训练这条路线的工程成熟度怎么看?
本周最重要的一条模型新闻不是某家大厂又发了旗舰,而是它没参与的那次训练:美团开源 LongCat-2.5,总参数 1.6 万亿、每 token 激活约 480 亿、百万 token 上下文,Terminal-Bench 得分 88.4,仅次于 Claude Opus 5。按报道,训练全程未使用任何英伟达 GPU,示例部署跑在 194 颗华为昇腾芯片上。
第一个信号是算力换轨从备选项变成了进行时。同一天,阿里发布 Qwen4-Max(2.4T 参数、原生视觉、百万上下文,官方称任务成本降 60%),腾讯发布混元 Hy4 flash(激活 12B,输入每百万 token 0.5 元)。三家同一天发布,指向的是同一条主线:国产算力栈正在从“能跑”走向“能训”,而且训练成本账已经算得过来。
第二个信号是开源策略的变化。LongCat-2.5 以开源形式发布,意味着它的权重、架构和训练方法论都可以被复用和验证。对中小团队来说,1.6T 的总参数听起来遥远,但每 token 只激活 480 亿的设计,配合 MoE 架构,实际推理成本并不像参数量看起来那么夸张。真正值得关注的是它在 194 颗昇腾上的部署示例——这给出了一个可复制的国产部署参考,而不是只停留在论文里的数字。
第三个信号是评测口径的务实化。Terminal-Bench 88.4 这个分数的意义,不在于它排第几,而在于它测的是智能体在真实终端环境里的任务完成能力,而不是选择题式的知识评测。Agent 模型的能力评估正在从“答得对不对”转向“干不干得成”,这个转向对选型的影响比单项分数更大。
对做推理部署的人来说,可以关注三点:LongCat-2.5 的 MoE 稀疏激活对显存带宽的真实需求、在昇腾上的推理吞吐与成本、以及它在长上下文任务里的实际表现。大家对全国产训练这条路线的工程成熟度怎么看?

