美团发布LongCat-2.0：首个国产五万卡集群训练的万亿参数模型，支持1M超长上下文

核心要点

• 国产算力里程碑：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超大规模模型。
• 万亿级参数规模：模型总参数量达1.6T，通过动态激活技术，平均激活参数约48B，动态范围在33B至56B之间。
• 百万级长文本支持：原生支持1M（100万token）超长上下文，能够处理极大规模的代码库和复杂文档。
• 专注代码智能代理：架构设计核心目标为Agentic Coding，显著优化了模型在真实编程任务中的稳定性与效率。

详细分析

国产算力集群的全链路突破

LongCat-2.0的发布不仅是一个模型的迭代，更是国产算力基础设施能力的集中展示。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、微调直至推理的全流程。这一过程证明了国产硬件在大规模并行计算、集群稳定性以及底层软件栈适配方面的成熟度。在当前全球算力竞争的背景下，美团通过LongCat-2.0验证了基于国产芯片构建万亿参数模型的可行性，为国内AI技术自主可控提供了重要的实践范本。

万亿参数与动态激活的架构平衡

在架构设计上，LongCat-2.0展现了极高的工程巧思。虽然其总参数量高达1.6T（万亿级），但模型并未采用全量激活的传统模式，而是实现了平均激活约48B的动态范围（33B~56B）。这种设计在保留万亿参数模型强大的知识容量和逻辑推理能力的同时，极大地降低了推理时的计算开销和延迟。结合原生支持的1M超长上下文能力，LongCat-2.0能够轻松应对超长代码序列的建模，避免了在处理复杂工程项目时因上下文窗口限制而导致的逻辑断层。

深度优化Agentic Coding任务场景

LongCat-2.0的研发初衷高度明确：服务于真实的Agentic Coding（代码智能代理）任务。与传统的代码补全模型不同，LongCat-2.0更强调在复杂、多步骤的编程环境中的表现。通过从零开始的预训练，模型在代码理解、逻辑生成以及指令执行方面具备更强的原生能力。1M的超长上下文使其能够“通读”整个项目工程的所有文件，从而在进行代码重构、漏洞修复或功能开发时，提供具备全局视野的精准决策，真正实现从“辅助工具”向“智能代理”的跨越。

行业影响

LongCat-2.0的问世对AI行业具有双重意义。首先，它打破了超大规模模型对特定海外算力平台的依赖，证明了国产算力集群完全有能力支撑起万亿级模型的全生命周期开发。其次，针对Agentic Coding的深度优化，预示着大模型应用正在从通用领域向高度专业化的垂直领域（如自动化软件工程）加速演进。1M超长上下文与万亿参数的结合，将为开发者提供更强大的生产力工具，推动软件开发模式向自动化、智能化方向深度变革。

常见问题

LongCat-2.0的参数规模具体是如何分布的？

LongCat-2.0的总参数量为1.6T（1.6万亿）。在实际运行中，它采用动态激活机制，平均激活参数量约为48B，根据任务复杂度不同，激活参数在33B至56B之间波动，实现了性能与效率的平衡。

1M超长上下文对开发者有什么实际意义？

1M（百万级）上下文意味着模型可以一次性处理数万行代码或数百个文档。在处理大型软件项目时，开发者无需手动截取代码片段，模型即可理解整个项目的架构和逻辑关联，从而提供更准确的代码分析和生成建议。

为什么强调在国产算力集群上完成“全流程”？

“全流程”涵盖了从零开始的预训练、模型优化到最终的部署推理。这表明国产算力不仅能跑通简单的任务，还能支撑起大模型开发中最耗资源、技术难度最高的环节，标志着国产AI产业链闭环的进一步完善。