フードデリバリー企業が世界を驚かせた——美団LongCat-2.0はNvidiaなしで最前線に達したか

OpenRouterの月間トークンランキングで、誰も聞いたことのないモデルが首位に躍り出ていた。

「Owl Alpha」。2026年5月から6月にかけて、コーディング評価環境「Hermes Agentワークスペース」で1位、Claude Codeのデプロイ数で2位、OpenClawの月間ボリュームで3位。1日あたり5590億トークン、前月比242%増という急成長。だが正体は、誰も知らなかった（Decrypt, 2026年6月）。

6月30日、謎が明かされた。正体は「LongCat-2.0」。中国のフードデリバリー最大手・美団（Meituan）が開発した、総パラメータ1.6兆のAIモデルだった。NVIDIAのGPUを1枚も使わず、中国国産チップのみで訓練を完結させたと主張し、SWE-bench ProではGPT-5.5の58.6を超える59.5を記録（美団自社評価）。MITライセンスで公開するとアナウンスした（VentureBeat, 2026年6月）。

「フードデリバリーのスタートアップが1兆パラメータのモデルを出した」とエンジニアたちがXで驚きを表明した（@orcus108）。出前アプリがなぜ、世界最前線のAIを作れるのか。その問いには、フードデリバリーを超えた地政学的背景がある。

なぜフードデリバリー企業が1.6兆パラメータのAIを作るのか

美団は中国版「DoorDash + Yelp + Instacart」にあたるローカルコマースのスーパーアプリだ。2025年の売上高は約3649億元（約5.3兆円）、月間アクティブユーザーは5億人超。1日の受注件数は通常6000万件を超える（美団2025年年次報告）。

AI投資の動機は3層ある。第一は生存競争だ。2025年に勃発したアリババ・JD.com との「デリバリー戦争」で市場シェアが70%台から50%台に急落し、最終赤字が234億元に膨らんだ。AIによる効率化と差別化なくして収益改善はない。

第二は「To A」戦略だ。CEO・王興が掲げるこのコンセプトは、消費者（To C）・加盟店（To B）に次ぐ第三の顧客として「AIエージェント」を取り込む構想を指す。デリバリーから注文を受けるエージェントが自社モデルなら、プラットフォームが全スタックを制御できる。

第三が国産半導体の実証だ。「2025年の輸出規制でNvidiaを選択肢から外された。その結果、中国企業は嫌でも国産チップで動かす技術を作るしかなかった」という見方は、MLコミュニティのアナリストの間で広く共有されている（Yuchen Jin / X）。美団にとってLongCat-2.0は、ビジネス戦略と国家的技術証明が交差するプロジェクトだった。

Nvidiaなしで訓練した——その技術的重みを読み解く

「中国産チップで訓練」は聞こえ以上に難しい主張だ。推論（モデルを走らせること）と事前訓練（モデルを作ること）は要求レベルが大きく異なる。DeepSeek-V4-Proは国産チップによる推論を実現したが、事前訓練にはNvidiaチップを使った。LongCat-2.0が主張するのは、訓練と推論の両方を完全に国産シリコンで完結させたことだ（SiliconANGLE, 2026年6月）。

訓練が難しい理由は3つある。第一に通信オーバーヘッドだ。1.6兆パラメータを何万枚ものチップに分散させて勾配を同期させるには、高速な相互接続が必要だが、NvidiaのNVLink/InfiniBandエコシステムに比べ、Huawei HCCLはまだ成熟途上にある。第二にソフトウェアスタックの成熟度。CUDAには15年以上の最適化実績がある。第三はMoE固有の課題だ。疎な専門家間ルーティングは非均一な通信パターンを生み出し、非NVLink環境では特に最適化が難しい。

美団は5万台の「国産AIチップ」クラスターで訓練したと主張する。チップ名は公式に明かされていないが、開発コミュニティは訓練コードにHuawei HCCL（Huawei Collective Communication Library）が使用されていることから、Huawei Ascend 910Cが有力候補と推測している（Hacker News スレッド）。ただしこれはコミュニティの状況証拠に基づく推測であり、美団はチップベンダーを公式確認していない。

注目すべき補足がある。GitHubリポジトリの推論ドキュメントでは、サービング時に「16x H20 GPU」推奨と記載されている。H20はNvidiaが中国向けに設計した（その後販売禁止になった）チップだ。つまり「訓練はNvidiaなし」「推論はNvidiaオプション」という使い分けの可能性がある。

ベンチマーク評価——「GPT-5.5超え」は本物か

美団が公表する数値は印象的だ。SWE-bench Pro 59.5（GPT-5.5は58.6）、Terminal-Bench 2.1 70.8、SWE-bench Multilingual 77.3（longcatai.org）。しかし見方を変えれば、GPT-5.5との差はわずか0.9ポイント。「評価誤差の範囲内と言えなくもない僅差」と複数のMLアナリストが指摘する。

また、コーディングベンチマークに絞っても最先端ではない。SWE-bench Proの現トップはClaude Mythos 5（80.3%）とClaude Fable 5（80.0%）で、LongCat-2.0の59.5はその20ポイント以上下に位置する（BenchLM.ai）。汎用エージェント評価（FORTE: 73.2、BrowseComp: 79.9）では、GPT-5.5（FORTE 77.8）やClaude Opus 4.8にも劣る。

MLアナリストの@arjunkocher は「35兆トークン以上の事前訓練、NVIDIAなしのハードウェア、非CUDAソフトウェアスタック、ロールバックなし。これは1.6兆パラメータモデルとして純粋に技術的な偉業だ」と評価する（X, 2026年7月）。一方で@TeksEdgeは「自分のベンチマークではQwen3.6-27Bとほぼ同水準で、DeepSeek V4-Pro相当かもしれない。公式評価が出るまで待つべき」とより慎重な見方を示している（X, 2026年7月）。

重要な留保: 7月6日現在、SWE-bench Pro公式リーダーボードにLongCat-2.0の独立検証スコアは掲載されていない。公表された数値はすべて美団の自社評価によるものだ。

光と影——実際に使う前に知っておくべきこと

光（期待できる点）

最も評価すべきはMITライセンスの選択だ。オープンソースLLMで主流のApache 2.0やLlama独自ライセンスと異なり、MITは商用利用、クローズドソース製品への組み込み、再配布を無制限に許可する。APIのローンチ価格は入力$0.30/Mトークン・出力$1.20/Mトークン（標準価格は入力$0.75・出力$2.95）と、Claude Opus 4.8やGPT-5.5の10分の1以下だ。1Mトークンのコンテキストウィンドウは、大規模コードベースを丸ごと読み込むエージェント用途に現実的な選択肢となる（MarkTechPost, 2026年7月）。

Owl Alphaとして2ヶ月間の実運用で1日5590億トークンを処理した事実は、モデルが「動く」証拠だ。「コーディング・エージェント向けコスト効率では現時点で最有力候補の1つ」と評するアナリストも（@johnseach, X）。

影（留保すべき点）

批判の筆頭は「疑似オープンソース」問題だ。6月30日のアナウンスから7月6日現在まで、GitHubもHugging FaceもモデルウェイトはAPI公開のみで「weights coming soon」のままだ。訓練コード・データ構成・コストも非公開。DeepSeekが技術レポートで訓練インフラを詳細開示したのとは対照的だ（BigGo Finance分析）。

チップベンダーの不明示も気になる。公式文書は一貫して「国産AIチップ」「AIASICスーパーポッド」とだけ書く。Huawei Ascend 910Cという推定はコミュニティの状況証拠（HCCL使用、スペック一致）に基づくが、美団は確認していない。一方でGitHubのサービング手順書は「16x H20 GPU」を推奨している。つまり「訓練はNvidiaなし、推論はNvidiaオプション」という読み方も成立する。

ジャーナリスト・Julian Goldieが実施した実地テストでは、複数のゲームデモ生成でGLM-5.2に敗北。「ベンチマークを信じる前にテストせよ」との結論だ（juliangoldie.com）。データプライバシー面でも、中国籍企業のAPIを業務データと組み合わせる際は自組織のポリシー確認が必須だ。

---

関連記事:

• Kimi K2.7とGLM-5.2——Fable 5停止の翌日、中国から来たコーディングAI
• DeepSeek V4-Pro 75%値下げ——AIプライシング戦争の現在地
• 米政府命令でClaude Fable 5・Mythos 5が停止——輸出規制の理由と日本への影響
• AIチップ株崩壊——KOSPIサーキットブレーカーと半導体銘柄への波及

---

免責事項: 本記事の情報は2026年7月6日時点のものです。LongCat-2.0のベンチマーク数値は美団による自社発表であり、独立機関による検証は7月6日現在完了していません。チップ構成に関する記述はコミュニティの状況証拠に基づく推定を含みます。本記事はモデルの採用を推奨するものではありません。APIの利用にあたっては各サービスの利用規約およびデータプライバシーポリシーを必ず確認してください。