造一列车是一回事，让它在一整套新轨道上稳定跑起来又是另一回事。美团 6 月 30 日发布并宣布开源 LongCat-2.0，值得看的也不只是“万亿参数”：团队称，它在五万卡国产算力集群上从零完成训练，并贯通推理。大模型太大，单张卡放不下，必须把计算拆给成千上万张卡；卡越多，通信异常、硬件故障和训练恢复就越棘手。
LongCat-2.0 是 MoE（混合专家）模型——像把任务分给不同专科小组，每次只叫少数专家上场。它总参数为 1.6T，平均每个 token（模型处理文字的基本单位）激活约 48B。美团称，团队通过异常处理、弹性扩缩卡和自动恢复，将月均日故障率降低 70% 以上，训练 MFU（衡量计算设备有效利用程度的指标）提升 1.5 倍，稳态日吞吐超过 1T tokens。
模型还原生支持 1M 上下文窗口，也就是一次可参考约一百万个 token，目标是读完整代码库并完成理解、生成和执行。不过，训练稳定性、推理延迟和长文本效果目前主要来自美团自述；真正重要的问题，是这些在国产算力上积累的调度、容错和通信经验，能否被其他团队复用。