據ロイター通信が6月30日に報じたところによると、美団（Meituan）はオープンソースAIモデル「LongCat-2.0」を公開した。パラメータ規模は1.6兆、スパース混合エキスパート（Sparse MoE）アーキテクチャを採用し、トレーニングはすべて国産ASICスーパークラスターで行われ、NVIDIA GPUやCUDAソフトウェアスタックは一切使用していない。コンテキストウィンドウは100万トークンである。
LongCat-2.0の技術仕様と目標アプリケーションシナリオ
LongCat-2.0はスパース混合エキスパート（Sparse MoE）アーキテクチャを採用しており、DeepSeekやMistral傘下のMixtralのアプローチと類似している。モデルは全1.6兆パラメータを同時に活性化するのではなく、内部ルーターが各トークンに対して専門のサブモデル群を選択するため、同じ規模のデンスモデルと比較して推論コストを低減できる。主な技術仕様と導入制限は以下の通りである。
パラメータ規模：1.6兆（スパースMoEアーキテクチャ、全パラメータを同時に活性化しない）
コンテキストウィンドウ：100万トークン（DeepSeek-R1-0528とGPT-OSSはいずれも12.8万トークン）
トレーニングハードウェア：国産ASICスーパークラスター（NVIDIA GPUなし、CUDAソフトウェアスタックなし）
目標アプリケーション：AIエージェント、コーディングツール（コード理解、全ライブラリ編集、自動化タスク）
導入形態：データセンター級推論クラスター。コンシューマー向けデバイスやほとんどのローカル導入には対応しない
国産チップトレーニングの市場背景とバーンスタインデータ
美団は、LongCat-2.0のコア推論アーキテクチャは移植可能であり、中国の既存ハードウェア上で動作可能であると主張している。今回の公開は、米国の輸出規制が引き続き先端AIチップの中国企業向け輸出を制限している時期に行われた。
株式調査会社バーンスタイン（Bernstein）の推計によると、NVIDIAは現在中国のAIチップ市場で約40%のシェアを占めており、華為（Huawei）のシェアはほぼ同水準である。バーンスタインは同時に、華為が今年進展を遂げ、NVIDIAの中国市場シェアが約8ポイント低下すると予測している。
性能主張の現状：第三者検証は未実施
美団は公開済みのベンチマークでLongCat-2.0を複数のクローズドソースモデルと比較しているが、関連報道によると、これらの性能主張はこれまでのところ独立した公正な第三者評価による検証を受けていない。
報道はまた、国産チップ向けの最適化により、LongCat-2.0の性能がNVIDIAハードウェア上で制限される可能性を指摘している。NVIDIAハードウェアは現在も世界のデータセンターを支配している。美団はコア推論アーキテクチャは移植可能であると述べており、独立したテストが中国国外の開発者による採用意思を左右することになる。
よくある質問
LongCat-2.0の100万トークンコンテキストウィンドウはどのようなアプリケーションシナリオで有意義か？
報道時点で、DeepSeek-R1-0528とOpenAI GPT-OSSのコンテキストウィンドウ上限はいずれも12.8万トークンである。LongCat-2.0は100万トークンを実現したと主張しており、超長いコードベースや複雑なタスクチェーンを処理する必要があるAIエージェントアプリケーションにとって潜在的に意味がある。ただし、上記の仕様に関する主張は独立検証を待っている。
美団のAI研究開発の背景は何か？
美団のコアビジネスはフードデリバリーと地域生活サービスである。2023年に2億8100万米ドルでAIスタートアップの光年科技（Light Year Beyond）を買収した後にAI分野に参入し、2025年に初めて内部モデル計画を公表した。LongCat-2.0は、同社のAIエージェントとコーディングツールの推論エンジンとして位置づけられている。
LongCat-2.0のスパースMoEアーキテクチャと1.6兆デンスモデルと比較した利点と欠点は？
スパースMoEの主な利点は、全パラメータを活性化せず、特定のサブモデルにルーティングすることで、同じ規模のデンスモデルと比較して推論計算コストを削減できることである。しかし、特定のハードウェア（国産ASICなど）に最適化されたアーキテクチャは、他のハードウェア（NVIDIA GPUなど）上での性能に制限がある可能性があり、独立したテスト結果はまだ公表されていない。
