美團(tuán)給全球開發(fā)者做了一場圖靈測試

大模型行業(yè)的勝負(fù)，早已習(xí)慣由發(fā)布會的聚光燈與跑分榜的名次定義。參數(shù)軍備、SOTA官宣、全渠道造勢，構(gòu)成了一套標(biāo)準(zhǔn)化的成功敘事，仿佛聲勢越大，技術(shù)分量就越重。

但將一個匿名模型扔到OpenRouter上，純粹靠開發(fā)者的真實(shí)調(diào)用跑出了數(shù)據(jù)的美團(tuán)，提供了一些新的想法，既刷新了外界對其技術(shù)版圖的認(rèn)知，也讓人看到了全國產(chǎn)算力支撐萬億級模型的工程可行性。

喧囂的概念終會退潮，真正能穿越周期的，是被真實(shí)場景驗(yàn)證過的結(jié)果。

本文將重點(diǎn)分析

1、匿名模型憑什么征服開發(fā)者群體？

2、外賣美團(tuán)布局大模型的底層邏輯是什么？

3、國產(chǎn)算力訓(xùn)練萬億參數(shù)模型具備怎樣的產(chǎn)業(yè)意義？

4、匿名盲測給中國AI全球化帶來了哪些新啟示？

內(nèi)容/謹(jǐn)歡

編輯/詠鵝

校對/莽夫

AI一天，人間一年。2026年二季度的AI世界熱鬧依舊，幾乎每周都有新模型發(fā)布，每場發(fā)布會都在刷新某個榜單的SOTA。

但所有這些聲量，可能都不如一條API端點(diǎn)來得有說服力。

4月底，全球最大的大模型API路由平臺OpenRouter上，悄然上線了一個名為“Owl Alpha”的匿名模型。沒有技術(shù)博客背書，沒有品牌露出，沒有榜單成績造勢，只有一個可供調(diào)用的接口。

在AI營銷已經(jīng)過度包裝到令開發(fā)者疲憊的當(dāng)下，這種近乎反商業(yè)邏輯的做法，像是一個行為藝術(shù)。

然而兩個月后，這個匿名模型交出的成績單讓所有關(guān)注AI產(chǎn)業(yè)的人無法忽視，月調(diào)用量沖進(jìn)全球前三，月消耗10.1萬億tokens，日消耗5590億tokens，月增長率242%。

在Hermes Agent工具調(diào)用這一關(guān)鍵能力上，Owl Alpha的調(diào)用量不僅是全球第一，而且斷層領(lǐng)先；在Claude Code的使用量上僅次于Claude Opus 4.8；OpenClaw場景下排名第三。

直到6月底，海外科技博主揭曉了謎底，這個匿名模型背后的公司，是中國的美團(tuán)。

6月30日，美團(tuán)正式官宣認(rèn)領(lǐng)，Owl Alpha即是美團(tuán)自研的LongCat-2.0模型測試版。審視LongCat-2.0模型背后1.6萬億參數(shù)的模型架構(gòu)、5萬余張國產(chǎn)算力卡的訓(xùn)練底座，以及長達(dá)三年的持續(xù)投入，其中揭示出的意義的遠(yuǎn)不止一家公司的技術(shù)實(shí)力，更指向了中國AI產(chǎn)業(yè)正在發(fā)生的一些深層變化。

Part.1

無Logo的信任票

開發(fā)者怎么給一個“黑戶”模型投票

長久以來，AI行業(yè)的價值驗(yàn)證存在著一條品牌光環(huán)的暗藏捷徑。一個模型好不好用，很多時候在開發(fā)者真正上手之前，就已經(jīng)被創(chuàng)始團(tuán)隊(duì)的學(xué)術(shù)背景、融資規(guī)模和PR話術(shù)預(yù)先定義了。

OpenAI、Anthropic、Google DeepMind的新模型還沒發(fā)布，期待值就已經(jīng)拉滿，這是品牌積累的合理溢價。但反過來，如果一個模型沒有任何身份標(biāo)簽，它所獲得的每一份認(rèn)可，都必須來自實(shí)打?qū)嵉娜蝿?wù)完成度。

Owl Alpha的案例恰恰提供了一個鏡面般的觀測樣本。在OpenRouter上，Owl Alpha沒有任何身份信息，沒有機(jī)構(gòu)為它的可靠性背書，甚至在一開始，連是不是一次性的實(shí)驗(yàn)項(xiàng)目都無從判斷。

所有因?yàn)榈鼐壵巍⑵髽I(yè)聲譽(yù)或創(chuàng)始人光環(huán)帶來的偏見與同情分，都被過濾掉了。開發(fā)者選擇調(diào)用Owl Alpha只有一個理由，在具體的編程任務(wù)、Agent工具編排、長文本處理、多模型混合架構(gòu)中，它確實(shí)能用。

更值得關(guān)注的是Owl Alpha被使用的方式。從社區(qū)反饋來看，Owl Alpha不是純粹被當(dāng)成免費(fèi)替代品來隨便試試的，也有人將它迅速集成進(jìn)了自己的日常技術(shù)棧。

Hermes Agent調(diào)用量全球第一并斷層領(lǐng)先，這個數(shù)據(jù)點(diǎn)至關(guān)重要。Agent場景要求模型具備穩(wěn)定的指令跟隨能力和工具調(diào)用準(zhǔn)確率，且往往嵌入自動化工作流，一旦模型表現(xiàn)不穩(wěn)定，整個鏈條都會中斷。

開發(fā)者愿意把這種高要求、高風(fēng)險的任務(wù)押注在一個匿名模型上，本質(zhì)上是用自己的生產(chǎn)環(huán)境投出了一張信任票。

對于一個兩個月前還無人知曉的匿名模型來說，能進(jìn)入這個討論語境本身，已經(jīng)是一種驗(yàn)證。

美團(tuán)的這場匿名上線，本質(zhì)上不是先讓你知道我是誰，再證明我能做什么，而是先讓你看清楚我能做什么，再決定要不要知道我是誰。

Part.2

為什么是美團(tuán)？

藏在AI投資版圖里的戰(zhàn)略縱深

海外開發(fā)者的驚訝是有理由的。一家刻板印象中的外賣公司做出了頂級AI模型，這種認(rèn)知錯位帶來的沖擊，本身就說明美團(tuán)長期以來在AI領(lǐng)域的布局被外界低估了。

重新梳理美團(tuán)的AI投資版圖，會發(fā)現(xiàn)這個故事遠(yuǎn)不止自研一個模型那么簡單。在對外投資上，美團(tuán)是智譜AI的早期投資者，是月之暗面的重倉股東，也是IPO注冊申請剛剛獲批的宇樹科技最大的外部股東。

這三個標(biāo)的分別卡位了大模型能力層、大模型應(yīng)用層和具身智能硬件層，彼此之間構(gòu)成一個從軟件算法到物理世界的完整鏈條。在不含云業(yè)務(wù)的科技公司中，美團(tuán)的AI投資規(guī)模位居前列，這一點(diǎn)與其長期以來給外界的本地生活服務(wù)平臺定位形成了強(qiáng)烈反差。

但真正讓這個戰(zhàn)略閉環(huán)得以成立的，是自研與投資的協(xié)同關(guān)系。對外投資讓美團(tuán)能夠近距離理解大模型技術(shù)演進(jìn)的前沿節(jié)奏，把握人才和技術(shù)趨勢；自研LongCat則讓美團(tuán)擁有了將AI能力深度嵌入自身業(yè)務(wù)場景的主動權(quán)。

從另一個角度看，這也為我們理解美團(tuán)的AI戰(zhàn)略提供了一個有趣的觀察窗口。

美團(tuán)擁有全球最大的即時配送網(wǎng)絡(luò)，每天海量的路徑規(guī)劃、運(yùn)力調(diào)度和供需匹配決策，加上客服、推薦、履約等幾十個環(huán)節(jié)的智能化需求，對AI的工具調(diào)用能力、長鏈路推理能力、復(fù)雜決策能力，提出了極高的工業(yè)級要求。

當(dāng)一個平臺公司的業(yè)務(wù)肌體足夠龐大且復(fù)雜時，自研技術(shù)的演進(jìn)方向，天然會與自身最真實(shí)的需求形成共振。美團(tuán)的AI之路或許不是先有宏大藍(lán)圖再按圖索驥，而是在解決這些海量、高頻、高價值的內(nèi)部場景中，逐步形成一套對外部開發(fā)者同樣實(shí)用的能力組合。

而這些被內(nèi)部場景驗(yàn)證過的能力一旦封裝成API對外開放，實(shí)用性往往經(jīng)過了更充分的業(yè)務(wù)驗(yàn)證。就像當(dāng)年亞馬遜做AWS，一開始只是為了支撐自身電商業(yè)務(wù)的峰值流量，沒想到內(nèi)部打磨好的技術(shù)能力對外輸出后，成了全球云計算的核心玩家。

說回LongCat-2.0，匿名出海并經(jīng)受住兩個月真實(shí)項(xiàng)目考驗(yàn)，這件事或許標(biāo)志著一個新階段的開始。

當(dāng)中國互聯(lián)網(wǎng)平臺公司不再滿足于把AI當(dāng)作降本增效的內(nèi)部工具，而是將自研模型以無差別的姿態(tài)推入全球市場，接受任何國籍、任何背景的開發(fā)者按任務(wù)效果來打分，所面對的評判體系就徹底變了。

沒有文化濾鏡，沒有政策保護(hù)，只有性價比、任務(wù)成功率、延遲、成本和穩(wěn)定性等等硬性指標(biāo)。在公平的競技場上，生存下來的才算真正強(qiáng)大。

Part.3

真正的突圍

全國產(chǎn)算力跑通萬億模型的工程意義

如果說Owl Alpha在海外的表現(xiàn)是一張漂亮的成績單，那成績單背后的基礎(chǔ)設(shè)施故事，才是真正讓產(chǎn)業(yè)觀察者重新校準(zhǔn)認(rèn)知的部分。

根據(jù)官方信息，Owl Alpha的底層模型LongCat-2.0是一個總參數(shù)量約1.6萬億的MoE架構(gòu)模型，激活參數(shù)約48B，支持100萬token上下文窗口。

這些技術(shù)指標(biāo)放在全球大模型競爭中，屬于第一梯隊(duì)但并非獨(dú)孤求敗，業(yè)界已有更大的模型和更長的上下文。真正的關(guān)鍵變量在于，LongCat-2.0模型完全使用5萬余張國產(chǎn)算力卡完成訓(xùn)練，是迄今規(guī)模最大的國產(chǎn)算力訓(xùn)練項(xiàng)目。

在過去幾年中國AI產(chǎn)業(yè)的普遍討論中，國產(chǎn)算力往往與起步晚、生態(tài)弱、只能用在小模型上等認(rèn)知綁定。即便已經(jīng)陸續(xù)有企業(yè)宣布使用國產(chǎn)芯片訓(xùn)練模型，外界也傾向于認(rèn)為那更多是一種供應(yīng)鏈安全的備選方案，而非真正意義上的主力方案。

LongCat-2.0直接用一個萬億參數(shù)級別的全尺寸模型，挑戰(zhàn)了這種潛在假設(shè)。

美團(tuán)從2023年底開始投入國產(chǎn)算力，堅持了近三年，這是一個橫跨芯片迭代周期的長期決策。

熟悉國產(chǎn)芯片生態(tài)的人都知道，早期階段在硬件穩(wěn)定性、軟件棧成熟度、分布式訓(xùn)練效率等方面都面臨著不少工程挑戰(zhàn)。能將萬億參數(shù)模型穩(wěn)定訓(xùn)出來，并且最終以免費(fèi)API的形式推向外網(wǎng)承受每日5590億tokens級別的調(diào)用壓力，這條鏈條上每個環(huán)節(jié)都需要跨過從理論上可行到工程上可靠的鴻溝。

對于海外開發(fā)者來說，他們不關(guān)心訓(xùn)練用的什么芯片，只關(guān)心模型好不好用、價格夠不夠低。但站在產(chǎn)業(yè)競爭的角度看，用全國產(chǎn)算力方案訓(xùn)出能進(jìn)入全球調(diào)用量前三的模型，長期意義在于成本結(jié)構(gòu)的變化。

當(dāng)模型推理的邊際成本不再與高端進(jìn)口芯片的獲取能力和采購成本強(qiáng)綁定，免費(fèi)和低價就不再是燒錢換規(guī)模，而是具備可持續(xù)的競爭優(yōu)勢。結(jié)合國產(chǎn)芯片代際的持續(xù)迭代，這條成本曲線的斜率可能比外界預(yù)想的更陡。

中國萬億參數(shù)開源模型正在形成一個多元陣營，每一家都有自己的長板和路線，但共同指向一個趨勢，算力自主正在從防御性策略變成進(jìn)攻性策略。

美團(tuán)的盲測式模型出海告一段落，但留下的問題值得整個行業(yè)思考，當(dāng)一家被認(rèn)為只會送外賣的公司，用三年時間默默做出了被全球開發(fā)者用腳投票的模型，我們對于科技公司能力邊界的固有判斷，還有多少是可靠的？

下一個驚艷所有人的AI突破，會是誰、會是什么？這或許是2026年夏天，中國科技界最值得期待、也最性感的故事。