美团正式开源 LongCat-2.0：1.6T 参数量，深度优化国产卡推理与 Agentic Coding

核心要点

• 超大规模参数架构：LongCat-2.0 拥有 1.6T 总参数量，通过动态激活机制，平均激活参数约为 48B，实现了性能与效率的平衡。
• 架构技术创新：创新性引入 LongCat 稀疏注意力和 N-gram Embedding，旨在提升长上下文处理效率及 Token 级的表示能力。
• 专为编程设计：模型定位为真实的 Agentic Coding 任务而生，强化了在代码理解、生成以及执行方面的表现。
• 国产算力适配：正式开源的同时，同步开放了针对国产算力卡的推理代码，降低了国产硬件环境下的部署门槛。

详细分析

架构创新驱动长上下文处理

LongCat-2.0 在架构设计上进行了深度优化，特别引入了 LongCat 稀疏注意力和 N-gram Embedding。稀疏注意力机制有效解决了长文本处理中的计算冗余问题，提升了处理效率；而 N-gram Embedding 则进一步强化了模型对 Token 级的细粒度表示能力。这种组合使得模型在面对复杂的长代码库或长上下文任务时，能够保持高效的响应速度和精准的语义捕捉。

聚焦 Agentic Coding 任务表现

不同于通用的代码模型，LongCat-2.0 明确指向“真实的 Agentic Coding 任务”。通过结合动态激活技术，模型在代码理解、生成以及执行的闭环任务中表现出色。这意味着模型不仅能写代码，还能更好地理解代码逻辑并在代理型（Agentic）工作流中执行任务，满足了当前开发者对 AI 辅助编程从“简单生成”向“自主协作”转型的需求。

同步开放国产卡推理支持

美团技术团队在开源模型权重的同事，特别强调了对国产算力卡推理代码的同步开放。这一举措对于国内开发者和企业具有重要意义，它不仅解决了大模型在国产硬件上适配难、推理慢的痛点，也进一步推动了国产 AI 基础设施与前沿算法的深度融合，为构建自主可控的 AI 技术栈贡献了力量。

行业影响

美团 LongCat-2.0 的开源标志着大模型在垂直编程领域的进一步深化。其 1.6T 的参数规模和对国产算力的原生支持，将有力推动国内 Agentic Coding 技术的发展。对于行业而言，这不仅提供了一个高性能的代码模型选择，更通过开源推理代码的方式，加速了国产算力生态的成熟，降低了企业构建高阶 AI 编程代理的成本。

常见问题

问题 1：LongCat-2.0 的参数规模和激活量是多少？

LongCat-2.0 的总参数量为 1.6T，得益于动态激活机制，其在推理时的平均激活参数约为 48B，这保证了模型在具备强大容量的同时兼顾推理效率。

问题 2：LongCat-2.0 相比前代有哪些核心技术改进？

核心改进主要体现在架构层面，包括引入了 LongCat 稀疏注意力和 N-gram Embedding。这些技术提升了长上下文的处理效率和 Token 级的表示精度，特别增强了模型在代码理解和执行方面的能力。

问题 3：该模型对国产硬件的支持情况如何？

美团在开源 LongCat-2.0 的同时，已同步开放了专门针对国产算力卡的推理代码，确保开发者可以在国产硬件平台上顺利进行模型的部署与推理优化。