LongCat-2.0とは？Meituan開発1.6兆パラメータの中国製オープンソースAI｜料金・性能・使い方を解説【2026年最新】

LongCat-2.0（ロングキャット2.0）とは、中国の生活サービス大手・美団（Meituan／メイトゥアン）が2026年6月30日に公開した、総パラメータ1.6兆規模のMoE（混合エキスパート）型・オープンソースAIモデルです。自律的なコーディングやAIエージェント用途に特化し、weightsをMITライセンスで公開、しかもNVIDIA製GPUを使わず中国製チップだけで学習した点が世界的に注目されています。

この記事でわかること:

LongCat-2.0の正体と「Owl Alpha」として匿名運用されていた経緯
できること・仕組み・ベンチマーク性能（第三者検証前という前提も含めて）
料金プランと使い方（API利用とセルフホストの2ルート）
GPT-5.5・Claude・DeepSeek・GLMなど他モデルとの位置づけ
中国製モデルゆえのセキュリティ上の注意点と、向いている人・おすすめしない人

想定読者は、生成AIでコーディングを効率化したいエンジニア・開発チーム、オープンソースLLMやAIエージェントの動向を追う人、そして中国製モデルの導入可否を判断したい企業担当者です。数値は2026年7月時点の公開情報に基づき、ソースによって食い違う箇所は断定を避けて併記しています。

LongCat-2.0とは何か：Meituanのコーディング特化オープンソースAI

Hugging Faceで公開されたmeituan-longcat/LongCat-2.0のモデルカード

出典: Hugging Face

LongCat-2.0は、「エージェンティック・コーディング（自律的にコードを理解・生成・実行し、リポジトリを運用するAIエージェント）」に照準を合わせた旗艦モデルです。開発元の美団は、日本での知名度こそ高くありませんが、中国でフードデリバリーや生活サービスを展開する巨大IT企業で、近年AIモデル開発に本格投資しています。

LongCatは単一モデルではなくシリーズ名で、軽量系の「LongCat-Flash」、画像・動画系の「LongCat-Image / LongCat-Video」などがあります。その中でLongCat-2.0は、コーディングとAIエージェントに特化した最上位モデルという位置づけです。ほかのLongCatシリーズと混同しないよう注意してください。

主なポイントを整理すると次の通りです。

項目	内容
開発元	美団（Meituan、中国）
公開日	2026年6月30日
モデル種別	MoE（混合エキスパート）型大規模言語モデル
総パラメータ	約1.6兆（1.6T）
活性パラメータ	トークンあたり約33B〜56B（平均約48B）
コンテキスト長	ネイティブ100万トークン（1M）
ライセンス	MIT（weights公開）
主な用途	自律コーディング、ソフトウェア工学、AIエージェント、検索・ブラウジング
学習ハードウェア	中国製ASIC（NVIDIA非依存）約5万枚規模

MoEとは、モデル内に多数の「専門家（エキスパート）」を持ち、入力に応じて一部だけを動かす仕組みです。総パラメータは1.6兆と巨大でも、1トークンあたりに実際に計算するのは平均48B程度に抑えられるため、規模と推論効率を両立しやすいのが特徴です。

「Owl Alpha」として2か月間ステルス運用されていた

LongCat-2.0は、正式公開の約2か月前から、AIモデル横断利用プラットフォームOpenRouter上で「Owl Alpha」という匿名モデルとして稼働していました。正体を伏せたままコーディング系ランキングの上位を占めていたことが、公開後に複数メディアの報道で明らかになっています。

このいわゆる「ステルスローンチ」は、正体バイアスなしで実力を測る狙いがあったとされ、結果として「フロンティア級に迫る（near-frontier）」評価を先に獲得してから正体を明かす形になりました。話題性の面でも成功したと言えます。

LongCat-2.0でできること・主な特徴

GitHubで公開されたmeituan-longcat/LongCat-2.0のリポジトリ

出典: GitHub

LongCat-2.0の中心用途は、大規模コードベースを丸ごと読み込んで理解・改修する自律的なソフトウェア開発です。公式が挙げる主な用途は次の通りです。

自律的コーディング / ソフトウェア工学タスク：バグ修正、機能追加、リファクタリング、テスト作成
AIエージェント / リポジトリ管理：複数ステップの作業を自律的に計画・実行
検索エージェント：Web上の情報を探索して回答を組み立てる
ブラウジング・情報取得：長い文書やページ群を横断して要約・抽出

技術的な強みとして特に重要なのが、ネイティブ100万トークン（1M）のコンテキスト長です。これは大規模なリポジトリや長大な仕様書・ログを一度にモデルに渡せることを意味し、「関連ファイルを探して継ぎ足す」手間を減らして、プロジェクト全体を踏まえたコード生成がしやすくなります。長文脈処理を得意とする点は、DeepSeek V4.1やGLM 5.2といった他の中国製オープンソースコーディングモデルと同じ競争軸にあります。

仕組み：効率化のためのアーキテクチャ技術

LongCat-2.0は、1.6兆パラメータという規模を実用的な速度・コストで動かすため、いくつかの独自技術を組み合わせています。技術的な詳細は公式ドキュメントに委ねますが、要点は「大きさを保ちつつ、無駄な計算を徹底的に削る」という設計思想です。

LongCat Sparse Attention（LSA）：長い文脈を扱う際の注意計算コストを削減する仕組み。1Mコンテキストを現実的な速度で処理するための核となる技術で、DeepSeekのSparse Attentionを発展させたものとされます。
Zero-computation（ゼロ計算）エキスパート：単純なトークンには重い計算を割り当てず、トークン単位で必要な分だけ計算資源を動的に配分。
MOPD（Multi-Teacher On-Policy Distillation）：Agent（エージェント）／Reasoning（推論）／Interaction（対話）という異なる強みを持つ複数モデルの能力を1つに蒸留・統合する学習手法。
Multi-Token Prediction：複数トークンを先読みして生成を高速化する投機的デコード。

学習に使われたデータは、報道により30兆〜35兆トークン規模とされ、中国語・英語・多言語・コードを幅広く含みます。数値はソースによって幅があるため、ここでは「30兆〜35兆トークン規模」と幅で押さえておくのが安全です。

ベンチマーク性能：GPT-5.5に迫るが「第三者検証前」に注意

LongCat-2.0はMeituan公表のベンチマークで、コーディング・エージェント系タスクにおいてGPT-5.5やClaude、Gemini級に迫るスコアを示しています。 ただし、以下はすべてMeituan自身が公表した値であり、独立した第三者検証は現時点で確認できていません。この前提を踏まえて読んでください。

ベンチマーク	スコア	測る内容
SWE-bench Pro	59.5	実務的なソフトウェア工学タスク
SWE-bench Multilingual	77.3	多言語でのコーディング
Terminal-Bench 2.1	70.8	ターミナル操作エージェント
RWSearch	78.8	検索エージェント
FORTE	73.2	生産性タスク
BrowseComp	79.9	ブラウジング・情報取得

注目されたのはSWE-bench Proの59.5で、報道ではGPT-5.5の58.6を「わずかに上回った」と紹介されています。ただし1点未満の差は事実上の同点（統計的なタイ）と見るべきで、「GPT-5.5を明確に超えた」と断定するのは早計です。一般的に、ベンダー公表のベンチマークは自社に有利な条件で測られる傾向があるため、実際の使用感は独立系の評価やユーザーレポートが出そろうまで様子を見るのが賢明です。

とはいえ、「Owl Alpha」として匿名でOpenRouterのコーディング系上位に入っていた実績があること自体は、実利用でも一定の競争力を持つ傍証と言えます。

中国製チップだけで学習した意義（地政学的な注目点）

半導体チップと基板のイメージ。LongCat-2.0は中国製ASICのみで学習された

LongCat-2.0がベンチマーク以上に世界の注目を集めたのは、兆パラメータ級モデルを、学習から推論まで一貫して中国国産の計算基盤（約5万枚規模の中国製ASIC／スーパーポッド）だけで完遂したと主張している点です。美団はこれを「業界初」とアピールしています。

背景には、米国による対中ハイエンドGPU（NVIDIA A100/H100、AMD MI300Xなど）の輸出規制があります。最先端のNVIDIA製アクセラレータが手に入りにくい状況でも、中国勢が「大規模学習インフラの差を縮めつつある」ことを示す象徴的な事例として、VentureBeatやSouth China Morning Postなどの主要メディアが報じました。日本語メディアのGIGAZINEも「NVIDIA製AIチップを使わずGemini 3.1 Pro級」と紹介しています。

半導体をめぐる同種の動きは各社で進んでおり、国産LLM 7選の比較やPLaMo 3.0 Primeのような日本の自前開発モデルと合わせて見ると、「フロンティアモデルを誰の計算基盤で作るか」という競争構造が理解しやすくなります。

LongCat-2.0の料金・プラン【2026年7月時点】

LongCat-2.0はオープンソース（MITライセンス）のため、自前サーバーで動かす（セルフホスト）ならモデル利用そのものは無料です（インフラ費用は別途）。API経由で使う場合は従量課金となります。ただしAPI料金はソースによって数値が食い違っているため、以下は「2026年7月時点で報道されている複数の値」として併記します。実際の請求前に必ず公式で最新価格を確認してください。

区分	入力（100万トークン）	出力（100万トークン）	備考
API 標準料金（報道A）	$0.75	$2.95	キャッシュ済みコンテキスト読み取りは無料との記載
プロモーション料金（報道B）	$0.30	$1.20	期間限定の可能性。恒常価格か未確認
トークンパック	約10億トークンで約$60	—	一次情報での再確認が必要
セルフホスト（MIT）	無料	無料	大規模GPU等のインフラ費用は自己負担

いずれの価格でも、各メディアはGPT-5.5やClaude Sonnet 5など西側フロンティアモデルを大きく下回る（undercut）低価格と評価しています。参考として、あるメディアはGPT-5.5を入力$5.00・出力$30.00/100万トークンと記載し対比していますが、GPT-5.5やClaudeの正確な料金は各社公式で別途確認が必要です。

料金面で押さえるべきは、「安さ」がLongCat-2.0の最大の武器の1つだということ。大量のトークンを消費するエージェント用途では、単価差がランニングコストに直結します。一方で、価格は変動しやすく、プロモーション価格が恒常化するかは未確定です。

LongCat-2.0の使い方：API利用とセルフホストの2ルート

LongCat-2.0をAPI経由で利用できるOpenRouterのモデルページ

出典: OpenRouter

LongCat-2.0を使う現実的な方法は、大きく2つに分かれます。個人・小規模はAPI経由、機密性やコスト管理を重視する組織はセルフホストが基本の目安です。

ルート1：API経由で使う（個人・小規模におすすめ）

もっとも手軽なのはAPI経由の利用です。

公式プラットフォーム（longcat.ai など） でアカウントを作成し、APIキーを発行する。チャットUIでの試用も可能です。
OpenRouter経由 で使う。OpenRouterは複数のAIモデルを1つのAPIキーで横断利用できるサービスで、LongCat-2.0（かつての「Owl Alpha」）もここで提供されてきました。既存のコーディングエージェントやツールにOpenRouter互換で組み込みやすいのが利点です。詳しくはOpenRouterの解説記事を参照してください。
APIをコーディングエージェントやIDE拡張に接続し、リポジトリ操作やコード生成を実行する。

なお、公式サイトやチャットUIの提供機能は変動しうるため、実際に使う際は最新の画面・ドキュメントを確認してください。

ルート2：セルフホスト（大規模GPUが必要・企業向け）

MITライセンスのため、weightsをダウンロードして自前環境で動かせます。Hugging Faceのmeituan-longcat/LongCat-2.0でモデルカードが公開されており、weightsはMITで提供されています（公開直後は一部が「近日公開」とされた経緯もあるため、閲覧時点でダウンロード可能かは都度確認を推奨）。

推論フレームワーク：Transformers / vLLM / SGLang / Docker Model Runner に対応
GPU要件：16×H20相当（Tensor Parallelism＋Expert Parallelism）。NPUはSGLang-FluentLLM経由
モデル形式：Safetensors（BF16 / F32）

ここで現実を直視する必要があります。1.6兆パラメータ級モデルのセルフホストは、個人や小規模チームには非現実的です。GPU 16枚規模のインフラを用意できる企業・研究機関でなければ、実運用はAPI経由が中心になります。「オープンソースだから誰でも無料で自宅PCで動く」という意味ではない点に注意してください。

LongCat-2.0と他モデルの違い（比較）

LongCat-2.0の立ち位置を、西側フロンティアモデルと他の中国製オープンソースコーディングモデルの両方と比べて整理します。数値・評価は各社公表値や報道ベースで、独立検証前のものを含みます。

項目	LongCat-2.0	GPT-5.5 / Claude Sonnet 5（西側）	DeepSeek V4.1 / GLM 5.2（中国製OSS）
提供元	美団（中国）	OpenAI / Anthropic（米国）	DeepSeek / Z.ai（中国）
ライセンス	MIT（オープンソース）	クローズド（API中心）	オープン（MIT等）
コンテキスト長	1M（100万トークン）	数十万〜150万級	100万トークン級
料金	非常に安い（$0.75/$2.95など）	相対的に高い	安い
学習チップ	中国製ASIC（NVIDIA非依存）	NVIDIA中心	GPU中心
強み	コーディング／エージェント特化・低価格・1M文脈	総合力・エコシステム・日本語	コスパ・オープン性
独立検証	現時点で未確認	実績豊富	一定の実績

選び分けの目安は次の通りです。

総合力・日本語・エコシステムの安心感を重視 → GPT-5.5やClaudeなど西側フロンティアモデル
オープンソースで低コストにコーディングを回したい → LongCat-2.0、DeepSeek V4.1、GLM 5.2を比較検討
NVIDIA非依存・地政学リスク分散という文脈で評価したい → LongCat-2.0が象徴的な選択肢

特にGLM 5.2は「MIT公開・100万トークン・GPT-5.5対抗のコーディングLLM」という点でLongCat-2.0と条件が近く、直接比較の価値があります。

LongCat-2.0の強みと弱み

現時点で整理できる長所と短所をまとめます。

強み

コーディング・AIエージェント用途に特化した設計
ネイティブ1Mコンテキストで大規模リポジトリを一括処理しやすい
MITライセンスで商用利用・改変・再配布の自由度が高い
APIが西側フロンティアモデルより大幅に低価格
NVIDIA非依存の学習基盤という技術的・地政学的な独自性

弱み・制約

ベンチマークはベンダー公表値中心で、独立した第三者検証が未確認
GPT-5.5との差は「わずかに上回る」程度で、実力差は誤差範囲の可能性
セルフホストのハードルが非常に高い（GPU 16枚規模）
日本語UI・日本語ドキュメントが限定的で、日本語タスクの独立評価も乏しい
中国企業提供ゆえ、データ取り扱い・規約面での慎重な確認が必要
料金・weights公開状況などの情報がまだ流動的

セキュリティ・利用上の注意点（中国製モデルとして）

LongCat-2.0は中国企業（美団）が開発・提供するモデルです。API利用時はデータの送信先と取り扱いに注意が必要です。機密コードや個人情報、非公開の事業情報を扱う場合は、次の点を確認・検討してください。

API利用時のデータ保持ポリシー・利用規約を必ず確認する。 入力データが学習に使われるか、どこに保存されるかは、MITライセンス（weights側の条件）とは別問題です。ライセンスが寛容でも、サービスの規約は別途チェックが必要です。
機密性の高いコードはセルフホスト（MITで可能）を検討する。 外部にデータを出したくない場合、自前環境での運用が選択肢になります（ただし大規模GPUが必要）。
出力の正確性・安全性は利用者責任。 オープンソースゆえ改変・再配布は自由ですが、生成物の検証は自分で行う前提です。
組織で使う場合はシャドーAI化に注意。 従業員が無許可で外部AIに社内コードを貼り付ける状態はリスクになります。この論点はシャドーAIの企業リスクで詳しく整理しています。

新興の中国製モデル一般に言えることですが、「性能が高い・安い」という魅力と、「データガバナンス上の慎重さ」は分けて判断するのが実務的です。過度に警戒しすぎる必要はありませんが、扱う情報の機密度に応じてルートを選ぶのが安全策です。

こんな人におすすめ / おすすめしない人

LongCat-2.0をおすすめできる人・組織

オープンソースで低コストにコーディング・エージェント用途を回したい開発者
大規模リポジトリや長文コンテキストをまとめて処理したいチーム
中国製OSSモデル（DeepSeek、GLMなど）の中で選択肢を広げたい人
NVIDIA非依存・地政学リスク分散の観点でモデルを評価している技術者・研究者
GPU 16枚規模のインフラを自前で用意でき、セルフホストで機密性を担保したい企業

おすすめしない人・組織

日本語での対話・UI・サポートを最優先したい人（現状は英語・中国語中心）
機密コードや個人情報を扱い、中国企業へのデータ送信に懸念がある組織（→セルフホストか西側モデルを検討）
独立した第三者評価が出そろうまで安定運用を待ちたい保守的な現場
個人PCで手軽にローカル実行したい人（1.6兆パラメータ級は非現実的）
ベンチマークの数字だけで最上位モデルと断定して導入したい人

まとめ：注目度は高いが「冷静な検証」を前提に

LongCat-2.0は、1.6兆パラメータ・1Mコンテキスト・MIT公開・中国製チップ学習という、技術面でも地政学面でも話題性の大きいコーディング特化オープンソースAIです。API料金は西側フロンティアモデルを大きく下回り、コスト重視の開発現場には魅力的な選択肢になり得ます。

一方で、ベンチマークはベンダー公表値中心で独立検証は未確認、GPT-5.5との差は誤差範囲の可能性があり、セルフホストのハードルも高い、というのが2026年7月時点の実像です。料金やweights公開状況も流動的なので、「話題だから即導入」ではなく、扱うデータの機密度・独立系の評価・実際のコストを見極めてから採用可否を判断するのが賢い向き合い方です。まずはOpenRouterや公式UIで小さく試し、DeepSeek V4.1やGLM 5.2と比べてみるところから始めるとよいでしょう。

よくある質問（FAQ）

Q. LongCat-2.0は無料で使えますか？
A. MITライセンスのオープンソースなので、weightsを自前環境で動かすセルフホストならモデル利用自体は無料です（GPUなどインフラ費用は別途）。API経由の場合は従量課金で、報道では入力$0.75・出力$2.95/100万トークン（プロモーション時$0.30・$1.20との報道も）とされています。価格は変動しうるため公式で最新を確認してください。

Q. LongCat-2.0はどこの国のどの企業が作っていますか？
A. 中国の生活サービス大手・美団（Meituan）が開発・公開しました。2026年6月30日にオープンソース化されています。

Q. GPT-5.5やClaudeより性能は高いのですか？
A. Meituan公表のSWE-bench ProではGPT-5.5をわずかに上回るスコアですが、差は1点未満で事実上の同点です。しかも独立した第三者検証は現時点で確認できていないため、「明確に上回った」と断定するのは避けるべきです。

Q. NVIDIAのGPUを使わずに作られたというのは本当ですか？
A. 美団は、学習から推論まで一貫して中国製ASIC（約5万枚規模）で完遂したと主張しており、業界初とアピールしています。対中GPU輸出規制の文脈で世界的に注目されました。

Q. 個人のPCでローカル実行できますか？
A. 現実的ではありません。1.6兆パラメータ級で、公式が推奨する構成はGPU 16×H20相当です。個人・小規模での実利用はAPI経由（公式プラットフォームやOpenRouter）が中心になります。

Q. 機密コードを扱っても大丈夫ですか？
A. 中国企業提供のAPIにデータを送る点は慎重に判断すべきです。API利用時のデータ保持ポリシー・利用規約を確認し、機密性が高い場合はセルフホスト（MITで可能）や西側モデルの利用を検討してください。組織的なリスク管理はシャドーAI対策と合わせて整理するのがおすすめです。