美团发布LongCat-2.0：首个五万卡国产算力集群训练的万亿参数大模型

核心要点

• 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。
• 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。
• 超长上下文：原生支持1M（一百万）超长上下文处理能力，从零开始预训练。
• 应用聚焦：核心目标定位于真实的Agentic Coding任务，优化代码全生命周期的处理效率。

详细分析

国产算力集群的万亿级突破

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模型方面的重大进展。该模型在拥有五万张卡的国产算力集群上完成了从预训练到推理的全流程任务。这一成果不仅验证了国产硬件在大规模分布式计算环境下的稳定性，也证明了其在处理万亿参数（1.6T）级别模型时的卓越性能。这种全流程的适配能力，为国内AI技术自主可控提供了重要的实践范例。

动态激活架构与1.6T参数规模

在架构设计上，LongCat-2.0展现了极高的灵活性。虽然其总参数量高达1.6T，但通过先进的架构设计实现了动态激活。模型在运行时的平均激活参数约为48B，且能根据任务需求在33B至56B之间动态调整。这种设计在保留万亿级模型知识容量的同时，极大地优化了推理效率，使其在处理复杂逻辑时能够兼顾性能与资源消耗。

赋能Agentic Coding与长文本理解

LongCat-2.0从零开始进行预训练，原生支持高达1M的超长上下文。这一特性对于“Agentic Coding”（智能体编程）至关重要。在真实的编程场景中，模型需要理解庞大的代码库、复杂的依赖关系以及长期的项目逻辑。LongCat-2.0通过超长上下文支持和针对性的架构优化，能够更高效、更稳定地完成代码理解、生成与执行，为自动化编程和智能开发者工具提供了核心动力。

行业影响

LongCat-2.0的问世对AI行业具有双重意义。首先，它打破了万亿参数模型对特定海外算力平台的依赖，展示了国产算力集群承载顶级大模型训练的能力。其次，该模型对Agentic Coding的深度优化，预示着AI在软件工程领域的应用将从简单的代码补全向更深层次的系统级理解与自主执行演进。这不仅提升了开发效率，也为未来构建更复杂的AI Agent提供了坚实的技术底座。

常见问题

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，它采用动态激活机制，平均激活参数量约为48B，动态范围覆盖33B到56B，以平衡计算效率与模型表现。

该模型在训练环境上有何特殊之处？

它是业界首个完全在五万卡规模的国产算力集群上，完成从零预训练到推理全流程的万亿参数模型，具有极高的国产化适配意义。

1M超长上下文对编程任务有什么帮助？

1M超长上下文允许模型一次性处理极大规模的代码文件和项目文档，使其在Agentic Coding任务中能够理解更完整的上下文背景，从而提高代码生成的准确性和执行的稳定性。