美团正式宣布开源其万亿参数大模型LongCat-2.0，并同步开放了针对国产算力芯片深度优化的推理代码。该模型总参数规模达到1.6万亿，平均激活参数约480亿，是业界首个在超过五万张国产算力卡集群上完成全流程训练与推理的万亿参数模型。

从官方公布的评测数据看，LongCat-2.0在多项基准中展现出较强的综合能力。在考察深层工程能力的SWE-bench Pro评测中，该模型得分59.5，领先于Gemini 3.1 Pro的54.2、GPT-5.5的58.6以及Claude Opus 4.6的57.3。在考察多语言编程能力的SWE-bench Multilingual中，LongCat-2.0得分77.3，与Claude Opus 4.6的77.8基本持平。在真实终端指令交互评测Terminal-Bench 2.1中，该模型也取得了70.8的分数。

在真实场景任务方面，LongCat-2.0在搜索智能体评测RWSearch中得分78.8，在生产力场景评测FORTE中得分73.2，在BrowseComp评测中得分79.9，均达到或接近前沿闭源模型的水平。实测显示，该模型在长文本生成、创意任务、3D动画场景构建以及逻辑推理方面均有不错表现，例如在解答AIME 2026真题时，其推理步骤清晰，并得出了正确结果。

LongCat-2.0采用MoE（混合专家）架构，原生支持100万token的超长上下文输入。模型在Agentic Coding（智能体编程）任务上进行了针对性强化，具备较强的代码理解、生成与执行能力。技术层面，该模型引入了三项关键创新。首先是LongCat稀疏注意力机制（LSA），将传统平方级的计算开销优化为线性级，有效加速了百万级长上下文的训练与推理。其次，在MoE专家之外，模型引入了N-gram Embedding作为新的参数扩展路径，该模块占总参数比例控制在10%以内，在专家稀疏度已接近97%的情况下，提供了更高效的参数利用方式。最后，在后训练阶段，模型采用多教师在线蒸馏，将专家划分为Agent、推理和交互三类，分别聚焦自主执行、自适应推理和安全对齐等核心能力，并通过MOPD架构在国产算力集群上实现能力融合。

此次开源不仅提供了模型权重，还公开了针对GPU和NPU的推理代码，并上线了API平台。在官方内测期间，LongCat-2.0已在多个实际场景中展现出闭环交付能力，包括搭建AI SQL Agent实现自然语言数据查询、完成旧版代码库向新API的完整迁移、根据一句话描述生成可交互的Three.js 3D演示，以及构建多Agent写作流水线支撑百万字级小说的连载输出。

LongCat-2.0的开源，标志着国内大模型发展进入新阶段。此前，国内虽有基于国产芯片进行模型推理或微调的方案，但LongCat-2.0是首个完全依靠国产算力完成训练与推理全流程的万亿参数模型，其峰值训练规模超过5万张国产算力卡，是迄今为止国产算力平台上规模最大的训练任务。这一进展验证了国产芯片在支撑超大规模AI训练上的可行性，也为后续更多基于国产基础设施的模型研发提供了可参考的技术路径。随着大模型竞争从参数规模转向真实生产力，Agent执行能力、工程能力以及软硬件协同优化，正成为下一阶段开源模型竞争的焦点。