Meituan công bố mã nguồn mở LongCat-2.0, mô hình AI 1,6 nghìn tỷ tham số được huấn luyện trên chip nội địa Trung Quốc

LongCat-2.0 của Meituan chứng minh AI tiên phong có thể được huấn luyện mà không cần GPU Nvidia, sử dụng 50.000 ASIC nội địa Trung Quốc.

LongCat-2.0 của Meituan, mô hình mã nguồn mở 1,6 nghìn tỷ tham số được huấn luyện hoàn toàn trên ASIC nội địa Trung Quốc, đe dọa định hình lại chuỗi cung ứng phần cứng AI toàn cầu khi chứng minh rằng GPU Nvidia không còn là yêu cầu bắt buộc cho việc huấn luyện quy mô tiên phong.

"LongCat-2.0 cho thấy hiệu suất AI gần tiên phong có thể đạt được mà không cần tiếp cận GPU phương Tây tiên tiến," Wang Xing, nhà sáng lập kiêm Tổng giám đốc điều hành của Meituan, cho biết trong một tuyên bố.

Mô hình này kích hoạt trung bình 48 tỷ tham số cho mỗi token — dao động từ 33 tỷ đến 56 tỷ tùy thuộc vào độ phức tạp của truy vấn — và hỗ trợ cửa sổ ngữ cảnh 1 triệu token. Trên SWE-bench Pro, mô hình đạt 59,5 điểm, vượt qua GPT-5.5 của OpenAI ở mức 58,6, mặc dù vẫn thấp hơn Claude Opus 4.8 của Anthropic trên các điểm chuẩn tác tử rộng hơn. Giá API tiêu chuẩn được thiết lập ở mức 0,75 USD cho mỗi triệu token đầu vào và 2,95 USD cho mỗi triệu token đầu ra, với chương trình khuyến mãi có thời hạn cắt giảm các mức giá này xuống lần lượt 0,30 USD và 1,20 USD — thấp hơn đáng kể so với mức 5 USD và 30 USD cho mỗi triệu token của GPT-5.5.

Việc phát hành diễn ra trong bối cảnh Washington hạn chế quyền truy cập vào các mô hình hàng đầu của Mỹ, với việc OpenAI buộc phải giới hạn quyền truy cập GPT-5.6 và Anthropic được yêu cầu đưa Claude Fable 5 ngoại tuyến. Đối với các nhà phát triển toàn cầu đang đối mặt với chi phí API tăng cao từ các phòng thí nghiệm phương Tây bị phong tỏa, LongCat-2.0 cung cấp một giải pháp thay thế rẻ hơn với giấy phép mở — và đối với Nvidia, nó cho thấy kênh mua sắm GPU hàng năm hơn 10 tỷ USD của Trung Quốc có thể phải đối mặt với sự cạnh tranh có cấu trúc từ silicon nội địa.

Cách Meituan Xây Dựng Mô Hình Nghìn Tỷ Tham Số Trên Silicon Nội Địa

Cụm huấn luyện bao gồm hơn 50.000 ASIC sản xuất trong nước được tổ chức thành các siêu cụm, sử dụng Thư viện Truyền thông Tập thể (Collective Communication Library) của Huawei để quản lý sự phối hợp chip-to-chip — một sự thay thế trực tiếp cho ngăn xếp phần mềm NCCL của Nvidia. Meituan cho biết quá trình tiền huấn luyện, kéo dài hơn 35 nghìn tỷ token, đã hoàn thành "không có rollback hoặc mất mát không thể phục hồi," một tuyên bố về độ ổn định có ý nghĩa quan trọng khi các đợt huấn luyện lớn trên phần cứng chưa được kiểm chứng thường thất bại giữa chừng. DeepSeek V4-Pro, để so sánh, chỉ sử dụng chip Huawei cho suy luận trong khi tiền huấn luyện chạy trên phần cứng Nvidia — khiến LongCat-2.0 trở thành mô hình nghìn tỷ tham số đầu tiên hoàn thành cả huấn luyện và suy luận trên bộ tăng tốc nội địa Trung Quốc.

Kiến trúc sử dụng thiết kế Mixture-of-Experts với Cơ chế Chú ý Thưa LongCat (LongCat Sparse Attention), một sự phát triển của cơ chế chú ý thưa của DeepSeek, giải quyết chi phí chấm điểm bậc hai thông qua ba kỹ thuật: lập chỉ mục nhận biết luồng (streaming-aware indexing) để truy cập bộ nhớ kết hợp, lập chỉ mục liên lớp (cross-layer indexing) giúp phân bổ chi phí tính toán trên các lớp liền kề, và lập chỉ mục phân cấp (hierarchical indexing) áp dụng bố cục chấm điểm hai giai đoạn từ thô đến tinh. Mô-đun N-gram Embedding bổ sung 135 tỷ tham số vào khung kết hợp token 5-gram, mở rộng không gian nhúng lõi khoảng 100 lần và cho phép mô hình nắm bắt các mối quan hệ token cục bộ dày đặc đồng thời giảm các nút thắt cổ chai đầu vào-đầu ra bộ nhớ.

Sau khi huấn luyện, Meituan đã áp dụng khung Tối ưu hóa Đa Giáo viên thông qua Hỗn hợp Chuyên gia Chuyên biệt (Multi-Teacher Optimization via Mixture of Specialized Experts), phân tách quá trình hậu huấn luyện thành ba cụm độc lập: Chuyên gia Tác tử (Agent Experts) cho việc gọi công cụ và vòng lặp tự sửa lỗi, Chuyên gia Lập luận (Reasoning Experts) cho logic đa bước và toán học, và Chuyên gia Tương tác (Interaction Experts) cho sự căn chỉnh với con người và các biện pháp bảo vệ an toàn. Một cơ chế định tuyến cổng động (dynamic gate-routing mechanism) kết hợp các hành vi chuyên biệt này tại thời điểm chạy, cho phép mô hình phối hợp lập luận sâu, thực thi công cụ ổn định và tương tác an toàn đồng thời.

Định Giá Thấp Hơn Đối Thủ Phương Tây

Chiến lược thương mại của Meituan nhắm vào thị trường nhà phát triển nhạy cảm về chi phí mà các phòng thí nghiệm phương Tây đã từ bỏ thông qua việc tăng giá. Các lượt truy cập bộ nhớ đệm ngữ cảnh (context cache hits) được xử lý miễn phí — một tính năng làm thay đổi kinh tế học cho các quy trình mã hóa tác tử nơi mô hình liên tục đọc cùng một kho mã hàng triệu token. Đối với các lượt truy cập không có bộ nhớ đệm, mức giá khuyến mãi có thời hạn 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra đưa LongCat-2.0 ngang hàng với mức giá cố định 0,435 USD và 0,87 USD của DeepSeek V4-Pro, và mức 0,10 USD và 0,30 USD của Xiaomi MiMo-V2.5 Flash. Mức giá tiêu chuẩn 0,75 USD và 2,95 USD vẫn thấp hơn Google Gemini 3.1 Pro Preview ở mức 2 USD và 12 USD cho mỗi triệu token đối với cửa sổ ngữ cảnh dưới 200.000 token.

Mô hình đã hoạt động ẩn danh trong hai tháng trên OpenRouter dưới bí danh Owl Alpha, nơi nó chiếm khoảng 10,1 nghìn tỷ token hàng tháng — mức tăng 242% so với tháng trước, đưa nó vào top ba toàn cầu của nền tảng. Vào thời điểm Meituan công bố danh tính, mô hình này đã giành vị trí đầu tiên trên không gian làm việc Hermes Agent, vị trí thứ hai trên các triển khai Claude Code, và vị trí thứ ba trên các môi trường OpenClaw. Trên Terminal-Bench 2.1, nó đạt 70,8 điểm, và trên SWE-bench Đa ngôn ngữ (SWE-bench Multilingual) đạt 77,3 điểm, trong khi trên trình mô phỏng quy trình làm việc doanh nghiệp FORTE, nó đạt 73,2 điểm — ngang bằng với Claude Opus 4.6 nhưng thấp hơn GPT-5.5 ở mức 77,8 điểm.

Góc Nhìn Đầu Tư

Đối với các nhà đầu tư, những hàm ý có hai mặt. Cổ phiếu Nvidia, đang giao dịch ở mức định giá cao dựa trên giả định rằng phần mềm CUDA và lợi thế phần cứng là bất khả xâm phạm, nay phải đối mặt với một thách thức đáng tin cậy từ các cụm ASIC Trung Quốc có thể mang lại hiệu suất cạnh tranh với chi phí thấp hơn. Trong khi đó, Meituan đã chuyển mình từ một siêu ứng dụng giao đồ ăn với 770 triệu người dùng giao dịch hàng năm thành một nhà cung cấp hạ tầng AI nền tảng — một bước ngoặt có thể mở ra các nguồn doanh thu mới ngoài mảng kinh doanh logistics cốt lõi. Công ty chưa tiết lộ tổng chi phí của cụm huấn luyện, nhưng việc triển khai thành công 50.000 bộ tăng tốc nội địa ở quy mô lớn cho thấy ngành chip AI của Trung Quốc đã đạt đến mức độ trưởng thành mà ít nhà phân tích phương Tây dự đoán. Như nhà phân tích Yuchen Jin đã nhận xét trên X, sự phát triển này phản ánh chính nhận xét của Jensen Huang, Tổng giám đốc điều hành Nvidia, rằng các kiểm soát xuất khẩu GPU "sẽ không ngăn được Trung Quốc — chúng sẽ chỉ đẩy nhanh sự phát triển của AI chạy trên chip Trung Quốc."

Bài viết này chỉ mang tính chất thông tin và không cấu thành lời khuyên đầu tư.