중국 메이투안은 2026년 6월 30일 오픈소스 코딩 모델 LongCat-2.0을 공개했습니다. LongCat-2.0은 1.6조 파라미터 규모의 전문가혼합(MoE) 모델로, 미국산 가속기 없이 국산 칩 5만 장 클러스터에서 밑바닥부터 학습됐습니다. 에이전트 코딩에 특화됐고 100만 토큰 맥락창을 지원하며, 허깅페이스 meituan-longcat 조직 계정에 공개됐습니다. ASAP은 크립토브리핑과 로이터 1차 보도를 바탕으로 직답형으로 정리합니다.

국산 칩 5만 장으로 밑바닥부터 학습한 배경

메이투안은 LongCat-2.0을 국산 칩 5만 장 규모 클러스터에서 밑바닥부터 학습했다고 2026년 6월 30일 밝혔습니다. 크립토브리핑에 따르면 학습에는 엔비디아 A100·H100이나 AMD MI300X 같은 미국 수출제한 가속기가 전혀 쓰이지 않았습니다. 미국이 대중국 첨단 칩 수출을 조이는 국면에서, 국산 하드웨어만으로 1.6조 파라미터 모델을 학습했다는 점이 이번 공개의 핵심 신호입니다.

에이전트 코딩에 특화된 MoE 아키텍처

LongCat-2.0은 1.6조 파라미터 전문가혼합 구조로, 토큰마다 330억~560억 파라미터를 동적으로 활성화합니다. 실사용 코딩 작업을 더 효율적이고 안정적으로 처리하도록 설계됐고, 최대 100만 토큰 입력을 받아 초장문 문서와 대형 코드베이스를 다룰 수 있습니다. 전체 1.6조 중 일부만 활성화하는 방식으로, 파라미터 규모 대비 추론 비용을 낮춘 것이 특징입니다.

항목	값
공개일	2026년 6월 30일
전체 파라미터	1.6조 (MoE)
토큰당 활성	330억~560억
맥락창	100만 토큰

벤치마크 성적과 메이투안의 주장

메이투안은 LongCat-2.0이 코딩 벤치마크 SWE-bench Pro에서 59.5점, Terminal-Bench에서 70.8점을 기록했다고 발표했습니다. 메이투안은 일부 코딩·에이전트 벤치마크에서 구글 제미나이, 오픈AI GPT-5.5, 앤트로픽 클로드 오퍼스 같은 선도 상용 모델과 대등하거나 이를 웃돌았다고 주장했습니다. 벤치마크 수치는 메이투안 발표 기준이며, 독립 검증 결과는 공개 직후 시점에서 아직 정리되지 않았습니다.

오픈소스 공개와 미국 수출통제 맥락

메이투안은 LongCat-2.0을 허깅페이스 meituan-longcat 조직 계정에서 오픈소스로 내려받을 수 있게 공개했습니다. 미국이 첨단 AI 칩의 대중국 수출을 제한하는 상황에서, 국산 칩 5만 장으로 학습한 대형 모델을 무료로 공개한 것은 중국 AI 진영의 자립 전략을 보여주는 사례입니다. 앞서 딥시크 등도 수출통제 국면에서 오픈소스 공개로 개발자 저변을 넓히는 전략을 취해 왔습니다.

정리

메이투안은 2026년 6월 30일 국산 칩 5만 장으로 학습한 1.6조 파라미터 오픈소스 코딩 모델 LongCat-2.0을 공개했습니다. 핵심은 미국산 가속기 없이 학습한 대형 MoE 모델을 에이전트 코딩용으로 무료 공개했다는 점이며, 벤치마크 우위 주장은 아직 독립 검증 전 단계입니다.

---

출처: Crypto Briefing · AOL/Reuters · Hugging Face (2026년 6월 30일 보도)