美团发布LongCat-2.0：首个在国产五万卡集群完成全流程训练的万亿参数模型

核心要点

• 超大规模算力协同：业界首个在五万卡国产算力集群上完成全流程训练与推理的模型。
• 万亿级参数架构：模型总参数量达到1.6T，通过动态激活机制实现高效运行，平均激活参数约为48B。
• 原生长文本支持：具备原生支持1M（一百万）超长上下文的能力，显著提升长文本处理深度。
• 聚焦编程智能：核心设计目标围绕Agentic Coding，旨在提升代码理解、生成与执行的稳定性和效率。

详细分析

国产算力集群的里程碑式突破

LongCat-2.0的发布不仅是模型算法的进步，更是国产算力基础设施能力的有力证明。该模型在五万卡规模的国产算力集群上完成了从零开始的预训练、训练及推理全流程。在当前全球AI算力竞争激烈的背景下，能够在如此大规模的国产芯片集群上实现万亿参数模型的全链路闭环，意味着国产算力平台在稳定性、通信效率以及软硬件协同优化方面已达到工业级应用的高标准。这为未来超大规模模型的国产化替代与自主创新奠定了坚实的技术底座。

万亿参数与动态激活的架构平衡

在架构设计上，LongCat-2.0展现了极高的灵活性与效率。虽然其总参数量高达1.6T（万亿级），但通过精密的架构设计，模型在运行时的平均激活参数仅为48B，动态激活范围控制在33B至56B之间。这种设计思路在保证模型容量和知识储备的同时，极大地降低了推理时的计算开销。这种“大容量、精激活”的模式，使得万亿参数模型在实际应用中兼顾了强大的逻辑推理能力与可控的响应成本，是模型规模化落地的关键路径。

原生1M上下文与Agentic Coding的深度融合

LongCat-2.0原生支持1M超长上下文，这一特性直接服务于其核心应用场景——Agentic Coding（智能体编程）。在复杂的软件工程任务中，模型需要同时理解庞大的代码库、依赖关系以及长序列的执行逻辑。1M的上下文窗口使得模型能够“通读”整个项目，从而在代码理解、生成与执行过程中表现出更高的连贯性与准确性。通过将长文本能力与编程任务深度绑定，LongCat-2.0致力于在真实的开发者环境中提供更稳定、更高效的辅助能力。

行业影响

LongCat-2.0的问世对AI行业具有双重意义。首先，它验证了国产大规模算力集群支撑万亿级模型全生命周期开发的可行性，提振了行业对国产硬件生态的信心。其次，该模型在Agentic Coding领域的深耕，预示着AI辅助编程正在从简单的“代码补全”向具备全局理解能力的“自主编程智能体”演进。美团技术团队的这一成果，为超大规模模型在垂直专业领域的深度应用提供了重要的参考范式。

常见问题

问题 1：LongCat-2.0的参数规模是如何分布的？

LongCat-2.0的总参数量为1.6T。在实际运行中，它采用了动态激活机制，平均激活参数量约为48B，根据任务需求，动态激活范围在33B到56B之间波动，从而实现性能与效率的平衡。

问题 2：该模型在硬件支持上有何特殊之处？

它是业界首个在五万卡规模的国产算力集群上完成全流程训练与推理的模型，证明了国产算力在处理超大规模预训练任务时的可靠性与协同能力。

问题 3：1M超长上下文对开发者有什么实际价值？

原生支持1M上下文意味着模型可以一次性处理极其庞大的信息量。在Agentic Coding场景下，这允许模型理解复杂的跨文件代码逻辑和超长项目文档，从而在生成和执行代码时减少断层，提高任务完成的成功率。