Meituan เปิดตัว LongCat-2.0 — โมเดล MoE 1.6 ล้านล้านพารามิเตอร์ ใบอนุญาต MIT ฝึกบนชิป ASIC จีนล้วน ไม่ใช้ Nvidia

Meituan ยักษ์ใหญ่บริการส่งอาหาร/แพลตฟอร์มของจีน ประกาศ LongCat-2.0 โมเดลภาษา open-weight ตัวใหม่ที่มีจุดขายสามชั้นในตัวเดียว: ขนาดระดับ frontier (1.6 ล้านล้านพารามิเตอร์ แบบ MoE, active เฉลี่ย ~48B ต่อ token), ใบอนุญาต MIT ที่ใช้เชิงพาณิชย์ได้เต็มที่, และเรื่องเบื้องหลังที่เป็นหัวใจจริง ๆ — มัน ฝึกและเสิร์ฟบนคลัสเตอร์ชิป AI ASIC ในประเทศจีนล้วน ไม่พึ่ง Nvidia เลย

ชื่อ LongCat-2.0 อาจฟังดูใหม่ แต่คอมมูนิตี้รู้จักมันมาระยะหนึ่งแล้วในชื่อปริศนา “Owl Alpha” — โมเดลนิรนามที่ไต่ขึ้นไปครองอันดับต้น ๆ ของกระดาน coding บน OpenRouter จนคนสงสัยว่าใครเป็นเจ้าของ ตอนนี้เฉลยแล้วว่าคือ Meituan

ข้อควรรู้ก่อนตื่นเต้น: ณ เวลาที่เขียน หน้า Hugging Face และ GitHub ของโมเดลยังขึ้นสถานะ “Model weights coming soon” — คือ ยังดาวน์โหลดไปรันเองไม่ได้จริง โพสต์นี้จึงเป็นข่าว การประกาศ + เบนช์มาร์ก ไม่ใช่ไกด์ “โหลดมารันคืนนี้” และต่อให้ weights ออกมา ขนาด 1.6T ก็อยู่ระดับ ดาต้าเซนเตอร์/หลายโหนด ไม่ใช่ของที่รันบน GPU ผู้บริโภคตัวเดียวอยู่ดี

เบนช์มาร์ก: จ่อชนระดับ frontier ด้าน agentic coding

ตัวเลขที่ Meituan เปิดออกมาน่าสนใจเพราะเน้นงาน coding แบบ agentic ที่วัดยาก:

• SWE-Bench Pro: 59.5 — สูงกว่าที่มีการอ้างของ GPT-5.5 (58.6) เล็กน้อย
• Terminal-Bench 2.1: 70.8
• SWE-Bench Multilingual: 77.3
• GPQA Diamond: 88.9 (การให้เหตุผลระดับบัณฑิตศึกษา)

จุดสถาปัตยกรรมที่โดดคือ context ยาว 1 ล้าน token แบบเนทีฟ ซึ่ง Meituan บอกว่าฝึกบนข้อมูล context 1M จริงหลายแสนล้าน token ไม่ใช่แค่ยืด window ทีหลัง — สำคัญมากสำหรับงาน agent ที่ต้องอ่านโค้ดเบสทั้งก้อนหรือถือประวัติยาว

เรื่องจริงคือ “ซิลิคอนจีนล้วน”

จุดที่ทำให้ LongCat-2.0 เป็นข่าวมากกว่าตัวเลขเบนช์มาร์ก คือ Meituan อ้างว่าฝึกมัน “บน AI ASIC superpod ทั้งหมด” — ข้ามหลายล้านชั่วโมง accelerator บนข้อมูลกว่า 35 ล้านล้าน token โดย ไม่มี Nvidia อยู่ในลูป ถ้าเป็นจริง นี่คือหนึ่งในหลักฐานสาธารณะชิ้นแรก ๆ ว่า โมเดลระดับล้านล้านพารามิเตอร์สามารถฝึกจบวงจรบนชิปในประเทศจีนได้จริง ท่ามกลางมาตรการควบคุมการส่งออกชิปขั้นสูงของสหรัฐ — เป็นสัญญาณเชิงภูมิรัฐศาสตร์เทคโนโลยีที่หนักแน่นกว่าตัวโมเดลเสียอีก

มุมมอง AI Curator

LongCat-2.0 น่าสนใจในสามแกนที่ต้องแยกออกจากกัน แกนแรก ใบอนุญาต MIT บนโมเดลเบนช์มาร์กจ่อ frontier — ถ้า weights ออกมาจริง นี่คือของฟรีเชิงพาณิชย์ที่ทรงพลังมากสำหรับคนที่มี infra รันไหว การเลือก MIT (ไม่ใช่ license กั๊ก ๆ แบบบางค่าย) คือการเล่นเกมเปิดแบบจริงจัง

แกนที่สอง เรื่องชิปจีนล้วนสำคัญกว่าที่หลายคนคิด สำหรับภูมิภาคเรา ประเด็นไม่ใช่ว่า “จีนไล่ทันหรือยัง” แต่คือ การมีเส้นทางฮาร์ดแวร์ทางเลือกนอก Nvidia กำลังเป็นจริงขึ้นเรื่อย ๆ ซึ่งระยะยาวอาจกดราคา compute และเพิ่มทางเลือกให้ประเทศที่เข้าถึง GPU ระดับสูงได้ยาก — รวมถึงไทย/SEA ที่ราคาและโควตา GPU เป็นข้อจำกัดจริงในการสร้างโมเดล

แกนที่สาม และเป็นข้อที่ต้องพูดตรง ๆ เพื่อไม่ให้หลงกระแส: ตอนนี้มันยังเป็นแค่คำประกาศ weights ยัง “coming soon” เบนช์มาร์กมาจากผู้ผลิตเอง ยังไม่มี third party อย่าง Artificial Analysis หรือ LMArena ยืนยันอิสระ และ 1.6T ไม่ใช่ของที่ทีมเล็กเอาไปรันเองได้ ประโยชน์เฉพาะหน้าสำหรับนักพัฒนาไทยส่วนใหญ่จึงยังเป็นผ่าน API/OpenRouter มากกว่าการโฮสต์เอง คำแนะนำคือ: จับตาวันที่ weights ลงจริงและรอเบนช์มาร์กอิสระ ก่อนจะเชื่อตัวเลขเต็มร้อย — แต่ทิศทางของข่าวนี้ (โมเดลเปิดเบนช์แรง + ฮาร์ดแวร์นอก Nvidia) เป็นเทรนด์ที่ควรติดตามอย่างจริงจัง

แหล่งข่าว

• LongCat-2.0 บน Hugging Face (meituan-longcat)
• meituan-longcat/LongCat-2.0 บน GitHub
• InternScience Agents-A1 35B — โมเดล MoE เปิดสายวิทยาศาสตร์ (2 ก.ค. 2026)