美团正式开源LongCat-2.0：1.6T参数量级，同步开放国产卡推理代码

核心要点

• 超大规模参数架构：LongCat-2.0 拥有 1.6T 总参数量，通过优化实现平均激活约 48B，平衡了模型容量与推理效率。
• 专为智能体编程设计：模型定位为真实的 Agentic Coding 任务，旨在强化 AI 在代码理解、生成及执行全链路的表现。
• 架构技术创新：引入了 LongCat 稀疏注意力和 N-gram Embedding，重点解决长上下文处理效率与 Token 级表示能力。
• 国产算力适配：同步开放国产卡推理代码，降低了在本土硬件平台上部署高性能代码模型的门槛。

详细分析

架构创新：长上下文与表示能力的双重突破

美团 LongCat-2.0 在架构设计上展现了对代码处理任务的深度思考。通过引入 LongCat 稀疏注意力（Sparse Attention），模型能够更高效地处理长上下文信息。在复杂的编程任务中，开发者往往需要模型理解跨文件的代码逻辑或超长的函数调用链路，稀疏注意力机制在降低计算复杂度的同时，保留了关键信息的捕捉能力。此外，N-gram Embedding 的引入增强了 Token 级的表示能力，使得模型在处理代码这种具有高度结构化和局部相关性的文本时，能够更精准地捕捉语法特征和语义关联。

性能优化：动态激活与代码执行的深度融合

为了在 1.6T 总参数的规模下保持高效推理，LongCat-2.0 采用了动态激活技术，使得平均激活参数维持在 48B 左右。这种设计不仅提升了推理速度，更结合模型自身的架构优势，强化了在 Agentic Coding 场景下的表现。与传统的代码补全不同，Agentic Coding 要求模型具备更强的自主性，包括对代码逻辑的深度理解、复杂功能的自动生成以及对执行结果的预判。LongCat-2.0 通过动态激活与架构创新的结合，在代码理解、生成以及执行的准确性上实现了显著提升。

国产化支持：推动本土 AI 生态建设

此次开源的一大亮点是美团同步开放了国产卡推理代码。在当前算力环境背景下，针对国产硬件进行深度优化具有重要的行业意义。通过提供适配国产算力平台的推理代码，美团不仅展示了 LongCat-2.0 的兼容性，也为国内开发者和企业在非国际主流算力平台上部署超大规模代码模型提供了实用的工具链，有助于加速国产 AI 基础设施的生态繁荣。

行业影响

美团 LongCat-2.0 的开源标志着代码大模型向“智能体化”迈出了重要一步。其 1.6T 的参数规模和针对长上下文的优化，为处理大规模工程代码提供了新的技术路径。同时，对国产算力的支持体现了国内互联网大厂在技术自主可控方面的努力，将有力推动 Agentic Coding 技术在实际生产环境中的落地应用。

常见问题

LongCat-2.0 相比前代版本有哪些核心改进？

LongCat-2.0 在参数规模上达到了 1.6T，并引入了 LongCat 稀疏注意力和 N-gram Embedding 架构，专门针对 Agentic Coding 任务进行了动态激活优化，提升了长文本处理和代码执行表现。

为什么 LongCat-2.0 要强调国产卡推理代码的开放？

这是为了适配国内的算力基础设施，降低开发者在国产硬件平台上部署和运行超大规模模型的难度，促进本土技术生态的完善。

什么是 Agentic Coding 任务？

Agentic Coding 是指模型不仅作为代码辅助工具，更作为一个具备自主能力的智能体，能够参与到代码的理解、规划、编写及执行等全生命周期任务中。