美团 LongCat-2.0 正式发布：五万卡国产算力集群训练的万亿参数大模型

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万亿参数模型。
• 超大规模参数架构：总参数量达 1.6T，采用动态激活机制，平均激活约 48B，动态范围在 33B 至 56B 之间。
• 百万级长文本支持：原生支持 1M（一百万）超长上下文，满足复杂任务需求。
• 专注编程自动化：核心目标定位于 Agentic Coding，优化代码理解、生成与执行的全链路表现。

详细分析

国产算力集群的大规模实战应用

LongCat-2.0 的发布标志着国产算力基础设施在支撑超大规模 AI 模型研发方面取得了重要突破。该模型是在拥有五万张卡的国产算力集群上，完成了从零开始的预训练以及后续的推理流程。这一成果不仅验证了国产算力硬件在万亿级参数规模下的稳定性，也展示了美团技术团队在超大规模分布式训练优化方面的深厚积累。在当前全球算力环境变化的背景下，这种全流程基于国产算力的成功实践具有极高的行业参考价值。

万亿参数与动态激活的架构平衡

在模型设计上，LongCat-2.0 展现了极高的复杂性与效率平衡。其总参数量高达 1.6T，但在实际运行中，通过先进的架构设计实现了动态激活。数据显示，其平均激活参数仅为 48B，且激活范围根据任务需求在 33B 到 56B 之间动态调整。这种设计允许模型在保持万亿级参数带来的强大表征能力的同时，显著降低了计算资源的消耗，提升了推理效率，为大规模部署提供了可能性。

原生 1M 超长上下文与 Agentic Coding 的结合

LongCat-2.0 原生支持 1M 超长上下文，这对于处理大规模代码库和复杂的工程项目至关重要。美团技术团队将该模型的核心目标设定为 Agentic Coding，即让 AI 不仅仅是辅助写代码，而是能够像智能体（Agent）一样，在真实的编程任务中完成深度的代码理解、逻辑生成以及最终的执行。通过超长上下文的支持，模型可以同时“阅读”和“理解”更多的项目背景信息，从而在复杂的代码交互中保持更高的稳定性和准确性。

行业影响

LongCat-2.0 的问世对 AI 行业具有双重意义。首先，它证明了万亿参数级别的模型训练不再仅仅依赖于特定的海外算力平台，国产算力集群完全有能力承载此类顶尖技术任务。其次，针对 Agentic Coding 的深度优化，预示着 AI 辅助开发正在从简单的“代码补全”向“全流程自动化编程”跨越。美团的这一尝试，为行业探索超大规模模型在特定垂直领域（如软件工程）的落地应用提供了新的范式。

常见问题

LongCat-2.0 的参数规模具体是多少？

LongCat-2.0 的总参数量为 1.6T。在运行过程中，它采用动态激活机制，平均激活参数约为 48B，动态范围波动在 33B 到 56B 之间。

该模型是在什么环境下训练的？

该模型是在一个规模达五万卡的国产算力集群上完成的。值得注意的是，它实现了从零开始的预训练，以及后续推理的全流程覆盖。

什么是 Agentic Coding？LongCat-2.0 在这方面有何优势？

Agentic Coding 指的是 AI 能够像智能体一样参与编程任务。LongCat-2.0 通过原生支持 1M 超长上下文和万亿参数架构，能够更高效、更稳定地处理复杂的代码理解、生成与执行任务，适应真实的开发场景。