美团正式开源 LongCat-2.0：1.6T 参数规模，创新架构赋能 Agentic Coding 与国产算力适配

核心要点

• 超大规模参数：模型总参数量达到 1.6T，通过动态激活机制，平均激活参数约为 48B。
• 专为编程设计：定位于真实的 Agentic Coding 任务，强化了代码理解、生成以及执行的全流程表现。
• 架构技术创新：引入 LongCat 稀疏注意力和 N-gram Embedding，优化长上下文处理效率与 Token 级表示能力。
• 国产算力支持：同步开放国产卡推理代码，降低了在国产硬件环境下的部署与应用门槛。

详细分析

架构创新：LongCat 稀疏注意力与 N-gram Embedding

LongCat-2.0 在架构设计上进行了深度优化，旨在解决大规模代码处理中的效率瓶颈。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 Agentic Coding 任务至关重要，因为这类任务通常涉及大量的代码库引用和长程逻辑依赖。同时，N-gram Embedding 的引入增强了模型在 Token 级别的表示能力，使得模型对代码细微语法和结构的感知更加敏锐。

性能优化：动态激活与代码执行能力

尽管 LongCat-2.0 的总参数量高达 1.6T，但其采用了动态激活技术，使得平均激活参数保持在 48B 左右。这种设计在保证模型容量和知识储备的同时，兼顾了推理效率。结合架构上的创新，LongCat-2.0 在代码理解、代码生成以及代码执行等关键维度上均表现出更强的竞争力，能够更好地适应智能体在编程场景下的复杂需求。

生态适配：同步开放国产卡推理代码

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生态的支持。通过同步开放国产卡推理代码，LongCat-2.0 能够更便捷地在国产 AI 芯片上进行部署和推理。这一举措不仅体现了美团在技术自主可控方面的努力，也为国内开发者在非 CUDA 环境下运行超大规模模型提供了重要的参考和工具支持。

行业影响

LongCat-2.0 的开源标志着 Agentic Coding 领域迎来了更强大的生产力工具。其 1.6T 的参数规模和针对长上下文的优化，将推动 AI 编程助手从简单的“代码补全”向更复杂的“自主编程智能体”演进。同时，对国产卡推理代码的同步开放，对于构建国产算力大模型生态具有重要的示范意义，有助于加速国产硬件在高端 AI 模型推理领域的普及。

常见问题

LongCat-2.0 的主要应用场景是什么？

LongCat-2.0 专门为 Agentic Coding（智能体编程）任务设计，适用于需要深度理解长代码上下文、生成复杂逻辑代码以及执行代码任务的自动化编程场景。

该模型在架构上有哪些独特之处？

其核心创新在于引入了 LongCat 稀疏注意力和 N-gram Embedding。前者提升了处理长文本的效率，后者强化了对代码 Token 的表示能力，配合动态激活机制，实现了高性能与高效率的平衡。

是否支持在国产算力平台上运行？

是的，美团技术团队在开源模型的同时，同步开放了国产卡推理代码，专门用于支持和优化在国产硬件环境下的模型推理表现。