美团发布LongCat-2.0：1.6万亿参数开源MoE模型，原生支持100万token上下文，国产AI芯片训练

一句话看懂

美团发布LongCat-2.0，1.6万亿参数MoE模型，原生百万token上下文，训练推理全栈国产AI芯片，瞄准智能体编程场景。

详细发生了什么

美团发布了LongCat-2.0，这是继2025年560B参数的LongCat-Flash之后的下一代万亿级开源模型。LongCat-2.0采用MoE架构，总参数量1.6万亿，每token动态激活约480亿参数（范围330亿-560亿）。最大亮点是原生支持100万token上下文窗口，基于自研的LongCat Sparse Attention（LSA）注意力机制，将长上下文计算复杂度从二次降至线性。

训练过程使用了超过35万亿token，在国产AI ASIC超算集群上完成，全程无回滚或不可恢复的损失尖峰。美团声称其稳定性在非NVIDIA硬件上尤为难得。推理同样部署在国产ASIC上，采用6D并行和prefill-decode分离架构。

在基准测试方面，美团自测数据显示：SWE-bench Pro 59.5分（略超GPT-5.5的58.6分），Terminal-Bench 2.1 70.8分，SWE-bench Multilingual 77.3分。美团表示整体性能可与Google Gemini 3.1 Pro媲美，但优势集中在软件工程领域，在通用智能体基准如FORTE和BrowseComp上仍落后于前沿模型。

模型以MIT许可证开源，权重即将发布。目前可通过LongCat API平台、OpenRouter等渠道使用，兼容OpenAI和Anthropic的API格式。定价为每百万输入token $0.75，每百万输出token $2.95，促销价分别为$0.30和$1.20，缓存读取免费。

中文圈视角

LongCat-2.0对中文开发者有几点直接意义：

国产芯片生态里程碑：这是首个完全在国产AI ASIC上完成训练和推理的万亿级开源模型。此前国产芯片多用于推理，训练大模型仍依赖NVIDIA。LongCat-2.0证明了国产算力在超大规模训练中的可行性，对受出口管制影响的中文团队是重要信号。
百万token上下文的实用场景：中文代码仓库常包含大量中文注释和文档，百万token窗口可一次性加载整个中型项目（如Spring Boot应用），避免分块摘要的信息丢失。对于需要跨文件追踪bug、重构多模块代码的开发者，这是直接生产力提升。
API兼容性降低迁移成本：模型提供OpenAI和Anthropic兼容端点，意味着现有工具链（如Cursor、Continue）可直接切换后端，无需重写代码。国内开发者也可通过OpenRouter访问，无需额外配置。
与国产模型的对比：相比DeepSeek-V3（671B总参数，37B激活）和Qwen2.5-72B，LongCat-2.0在参数量和上下文长度上领先，但激活参数效率（约3%激活率）与DeepSeek的5%相近。其SWE-bench分数（59.5）高于公开的DeepSeek-Coder-V2（约49分），但需独立验证。
监管与合规：模型以MIT许可证开源，权重即将发布，国内团队可本地部署，避免数据出境风险。但需注意，模型训练数据可能包含中文互联网内容，使用时应遵守《生成式人工智能服务管理暂行办法》。

几条值得记住的细节

架构创新：LongCat-2.0引入零计算专家（Zero-computation experts），简单token（如标点）不消耗算力，由PID控制器动态调整专家偏置，激活参数在33B-56B间浮动。
N-gram嵌入模块：额外1350亿参数的N-gram嵌入模块，与MoE专家正交，捕获密集局部token关系，减少大batch解码时的内存I/O。
后训练融合：MOPD管道融合三个教师专家组（Agent、Reasoning、Interaction），将能力统一到一个模型中。
最大输出128K tokens：支持单次生成最长131072 token（128K），适合生成长篇代码或文档。
权重即将发布：目前仅提供API访问，权重尚未开放下载，但承诺MIT许可证。

一句话总结

LongCat-2.0是国产AI芯片训练万亿级模型的首个成功案例，百万token上下文让智能体编程进入新阶段，中文开发者应重点关注其API和即将开源的权重。