美团正式开源 LongCat-2.0：1.6T 参数 Agentic Coding 大模型，同步适配国产显卡推理
美团技术团队宣布正式开源 LongCat-2.0 模型。该模型拥有 1.6T 总参数量，平均激活参数约 48B，专为 Agentic Coding 任务设计。通过引入 LongCat 稀疏注意力和 N-gram Embedding 等架构创新，LongCat-2.0 在长上下文处理和代码理解生成方面表现卓越。此外，美团同步开放了针对国产显卡的推理代码，进一步推动了国产算力生态的适配与应用。
核心要点
- 超大规模架构：模型总参数达 1.6T，采用 MoE 架构，平均激活参数约为 48B。
- 专为代码设计：针对 Agentic Coding 任务优化，强化了代码理解、生成及执行能力。
- 架构创新：引入 LongCat 稀疏注意力和 N-gram Embedding，提升长上下文效率。
- 国产算力适配：同步开源国产显卡推理代码，降低了国产硬件的使用门槛。
详细分析
架构创新驱动高效推理
LongCat-2.0 在架构设计上进行了深度优化。通过引入 LongCat 稀疏注意力机制，模型能够更高效地处理长上下文信息，这对于复杂的代码库分析至关重要。同时，N-gram Embedding 的应用增强了 Token 级别的表示能力，使得模型在处理细粒度的代码逻辑时更加精准。结合动态激活技术，模型在保持 1.6T 庞大参数规模的同时，仅需激活约 48B 参数即可完成任务，实现了性能与效率的平衡。
深耕 Agentic Coding 场景
与传统的代码补全模型不同，LongCat-2.0 专注于 Agentic Coding（智能体编程）任务。这意味着它不仅具备基础的代码生成能力，更在代码理解和执行层面进行了强化。在真实的编程环境中，模型需要处理复杂的上下文关联并模拟执行逻辑，LongCat-2.0 的架构设计正是为了应对这些高难度挑战，助力开发者在自动化编程和智能体协作中获得更佳体验。
推动国产显卡生态发展
此次开源的一大亮点是美团同步开放了国产显卡的推理代码。在当前算力背景下，对国产硬件的深度适配具有重要战略意义。通过提供针对性的推理优化，美团不仅展示了 LongCat-2.0 的跨平台兼容性，也为国内开发者在国产算力平台上部署超大规模模型提供了实用的工具和参考，有助于构建更加自主可控的 AI 技术生态。
行业影响
LongCat-2.0 的开源标志着国产大模型在专业编程领域迈出了重要一步。其 1.6T 的超大规模 MoE 架构证明了国内大厂在处理复杂长上下文任务上的技术实力。同时，对国产显卡推理的支持将加速国产算力在实际业务场景中的落地，降低企业对特定硬件架构的依赖，促进开源社区在 Agentic AI 方向的探索。
常见问题
问题 1：LongCat-2.0 的主要技术特点是什么？
LongCat-2.0 采用了 1.6T 总参数的 MoE 架构，核心创新包括 LongCat 稀疏注意力和 N-gram Embedding，旨在提升长上下文处理效率和代码任务的表现。
问题 2：该模型是否支持国产硬件？
是的，美团在开源模型的同时，同步开放了专门针对国产显卡的推理代码，方便开发者在国产算力平台上进行部署和测试。
问题 3：什么是 Agentic Coding 任务？
Agentic Coding 是指模型作为智能体参与到编程任务中，不仅负责写代码，还涉及对代码库的深度理解、逻辑推理以及模拟执行等复杂交互过程。
