美团给全球开发者做了一场图灵测试

大模型行业的胜负，早已习惯由发布会的聚光灯与跑分榜的名次定义。参数军备、SOTA官宣、全渠道造势，构成了一套标准化的成功叙事，仿佛声势越大，技术分量就越重。

但将一个匿名模型扔到OpenRouter上，纯粹靠开发者的真实调用跑出了数据的美团，提供了一些新的想法，既刷新了外界对其技术版图的认知，也让人看到了全国产算力支撑万亿级模型的工程可行性。

喧嚣的概念终会退潮，真正能穿越周期的，是被真实场景验证过的结果。

本文将重点分析

1、匿名模型凭什么征服开发者群体？

2、外卖美团布局大模型的底层逻辑是什么？

3、国产算力训练万亿参数模型具备怎样的产业意义？

4、匿名盲测给中国AI全球化带来了哪些新启示？

内容/谨欢

编辑/咏鹅

校对/莽夫

AI一天，人间一年。2026年二季度的AI世界热闹依旧，几乎每周都有新模型发布，每场发布会都在刷新某个榜单的SOTA。

但所有这些声量，可能都不如一条API端点来得有说服力。

4月底，全球最大的大模型API路由平台OpenRouter上，悄然上线了一个名为“Owl Alpha”的匿名模型。没有技术博客背书，没有品牌露出，没有榜单成绩造势，只有一个可供调用的接口。

在AI营销已经过度包装到令开发者疲惫的当下，这种近乎反商业逻辑的做法，像是一个行为艺术。

然而两个月后，这个匿名模型交出的成绩单让所有关注AI产业的人无法忽视，月调用量冲进全球前三，月消耗10.1万亿tokens，日消耗5590亿tokens，月增长率242%。

在Hermes Agent工具调用这一关键能力上，Owl Alpha的调用量不仅是全球第一，而且断层领先；在Claude Code的使用量上仅次于Claude Opus 4.8；OpenClaw场景下排名第三。

直到6月底，海外科技博主揭晓了谜底，这个匿名模型背后的公司，是中国的美团。

6月30日，美团正式官宣认领，Owl Alpha即是美团自研的LongCat-2.0模型测试版。审视LongCat-2.0模型背后1.6万亿参数的模型架构、5万余张国产算力卡的训练底座，以及长达三年的持续投入，其中揭示出的意义的远不止一家公司的技术实力，更指向了中国AI产业正在发生的一些深层变化。

Part.1

无Logo的信任票

开发者怎么给一个“黑户”模型投票

长久以来，AI行业的价值验证存在着一条品牌光环的暗藏捷径。一个模型好不好用，很多时候在开发者真正上手之前，就已经被创始团队的学术背景、融资规模和PR话术预先定义了。

OpenAI、Anthropic、Google DeepMind的新模型还没发布，期待值就已经拉满，这是品牌积累的合理溢价。但反过来，如果一个模型没有任何身份标签，它所获得的每一份认可，都必须来自实打实的任务完成度。

Owl Alpha的案例恰恰提供了一个镜面般的观测样本。在OpenRouter上，Owl Alpha没有任何身份信息，没有机构为它的可靠性背书，甚至在一开始，连是不是一次性的实验项目都无从判断。

所有因为地缘政治、企业声誉或创始人光环带来的偏见与同情分，都被过滤掉了。开发者选择调用Owl Alpha只有一个理由，在具体的编程任务、Agent工具编排、长文本处理、多模型混合架构中，它确实能用。

更值得关注的是Owl Alpha被使用的方式。从社区反馈来看，Owl Alpha不是纯粹被当成免费替代品来随便试试的，也有人将它迅速集成进了自己的日常技术栈。

Hermes Agent调用量全球第一并断层领先，这个数据点至关重要。Agent场景要求模型具备稳定的指令跟随能力和工具调用准确率，且往往嵌入自动化工作流，一旦模型表现不稳定，整个链条都会中断。

开发者愿意把这种高要求、高风险的任务押注在一个匿名模型上，本质上是用自己的生产环境投出了一张信任票。

对于一个两个月前还无人知晓的匿名模型来说，能进入这个讨论语境本身，已经是一种验证。

美团的这场匿名上线，本质上不是先让你知道我是谁，再证明我能做什么，而是先让你看清楚我能做什么，再决定要不要知道我是谁。

Part.2

为什么是美团？

藏在AI投资版图里的战略纵深

海外开发者的惊讶是有理由的。一家刻板印象中的外卖公司做出了顶级AI模型，这种认知错位带来的冲击，本身就说明美团长期以来在AI领域的布局被外界低估了。

重新梳理美团的AI投资版图，会发现这个故事远不止自研一个模型那么简单。在对外投资上，美团是智谱AI的早期投资者，是月之暗面的重仓股东，也是IPO注册申请刚刚获批的宇树科技最大的外部股东。

这三个标的分别卡位了大模型能力层、大模型应用层和具身智能硬件层，彼此之间构成一个从软件算法到物理世界的完整链条。在不含云业务的科技公司中，美团的AI投资规模位居前列，这一点与其长期以来给外界的本地生活服务平台定位形成了强烈反差。

但真正让这个战略闭环得以成立的，是自研与投资的协同关系。对外投资让美团能够近距离理解大模型技术演进的前沿节奏，把握人才和技术趋势；自研LongCat则让美团拥有了将AI能力深度嵌入自身业务场景的主动权。

从另一个角度看，这也为我们理解美团的AI战略提供了一个有趣的观察窗口。

美团拥有全球最大的即时配送网络，每天海量的路径规划、运力调度和供需匹配决策，加上客服、推荐、履约等几十个环节的智能化需求，对AI的工具调用能力、长链路推理能力、复杂决策能力，提出了极高的工业级要求。

当一个平台公司的业务肌体足够庞大且复杂时，自研技术的演进方向，天然会与自身最真实的需求形成共振。美团的AI之路或许不是先有宏大蓝图再按图索骥，而是在解决这些海量、高频、高价值的内部场景中，逐步形成一套对外部开发者同样实用的能力组合。

而这些被内部场景验证过的能力一旦封装成API对外开放，实用性往往经过了更充分的业务验证。就像当年亚马逊做AWS，一开始只是为了支撑自身电商业务的峰值流量，没想到内部打磨好的技术能力对外输出后，成了全球云计算的核心玩家。

说回LongCat-2.0，匿名出海并经受住两个月真实项目考验，这件事或许标志着一个新阶段的开始。

当中国互联网平台公司不再满足于把AI当作降本增效的内部工具，而是将自研模型以无差别的姿态推入全球市场，接受任何国籍、任何背景的开发者按任务效果来打分，所面对的评判体系就彻底变了。

没有文化滤镜，没有政策保护，只有性价比、任务成功率、延迟、成本和稳定性等等硬性指标。在公平的竞技场上，生存下来的才算真正强大。

Part.3

真正的突围

全国产算力跑通万亿模型的工程意义

如果说Owl Alpha在海外的表现是一张漂亮的成绩单，那成绩单背后的基础设施故事，才是真正让产业观察者重新校准认知的部分。

根据官方信息，Owl Alpha的底层模型LongCat-2.0是一个总参数量约1.6万亿的MoE架构模型，激活参数约48B，支持100万token上下文窗口。

这些技术指标放在全球大模型竞争中，属于第一梯队但并非独孤求败，业界已有更大的模型和更长的上下文。真正的关键变量在于，LongCat-2.0模型完全使用5万余张国产算力卡完成训练，是迄今规模最大的国产算力训练项目。

在过去几年中国AI产业的普遍讨论中，国产算力往往与起步晚、生态弱、只能用在小模型上等认知绑定。即便已经陆续有企业宣布使用国产芯片训练模型，外界也倾向于认为那更多是一种供应链安全的备选方案，而非真正意义上的主力方案。

LongCat-2.0直接用一个万亿参数级别的全尺寸模型，挑战了这种潜在假设。

美团从2023年底开始投入国产算力，坚持了近三年，这是一个横跨芯片迭代周期的长期决策。

熟悉国产芯片生态的人都知道，早期阶段在硬件稳定性、软件栈成熟度、分布式训练效率等方面都面临着不少工程挑战。能将万亿参数模型稳定训出来，并且最终以免费API的形式推向外网承受每日5590亿tokens级别的调用压力，这条链条上每个环节都需要跨过从理论上可行到工程上可靠的鸿沟。

对于海外开发者来说，他们不关心训练用的什么芯片，只关心模型好不好用、价格够不够低。但站在产业竞争的角度看，用全国产算力方案训出能进入全球调用量前三的模型，长期意义在于成本结构的变化。

当模型推理的边际成本不再与高端进口芯片的获取能力和采购成本强绑定，免费和低价就不再是烧钱换规模，而是具备可持续的竞争优势。结合国产芯片代际的持续迭代，这条成本曲线的斜率可能比外界预想的更陡。

中国万亿参数开源模型正在形成一个多元阵营，每一家都有自己的长板和路线，但共同指向一个趋势，算力自主正在从防御性策略变成进攻性策略。

美团的盲测式模型出海告一段落，但留下的问题值得整个行业思考，当一家被认为只会送外卖的公司，用三年时间默默做出了被全球开发者用脚投票的模型，我们对于科技公司能力边界的固有判断，还有多少是可靠的？

下一个惊艳所有人的AI突破，会是谁、会是什么？这或许是2026年夏天，中国科技界最值得期待、也最性感的故事。