美团 LongCat-2.0：第一个在纯国产芯片训练的万亿参数大模型

美团 LongCat-2.0：不是又一个万亿参数模型，而是一次国产算力上的 Agent 工程实验

最近，美团 LongCat-2.0 发布。

如果只看标题，它很容易被归到“又一个万亿参数大模型”的队伍里：1.6 万亿总参数、MoE 架构、100 万 token 上下文、面向代码和 Agent 场景。

但这次真正值得看的，不只是模型有多大，而是它背后的三个问题：

国产算力能不能支撑前沿级大模型训练？

万亿参数模型能不能以可用成本跑起来？

一个模型能不能从“会回答问题”，走向“能持续执行任务”？

LongCat-2.0 的价值，基本就落在这三件事上。

一、先别急着看“1.6T”，关键是它不是每次都跑满

LongCat-2.0 是一个 MoE 模型，也就是混合专家模型。

这类模型的逻辑可以用一句人话解释：模型内部不是一个巨大的单体网络，而是由很多“专家”组成。每次处理一个 token 时，不会把所有参数都叫醒，而是根据当前内容选择一部分专家参与计算。

所以，1.6T 是总参数规模，不代表每次推理都要激活 1.6T。

LongCat-2.0 平均每个 token 激活约 48B 参数，并且是动态激活。也就是说，不同 token 需要的计算量不一样，模型会按难度分配计算资源。

写一个普通变量名，和推导一个复杂递归算法，显然不是同一类工作。如果模型对所有 token 都用同样的算力，就会浪费大量计算。LongCat-2.0 引入的“零计算专家”机制，本质上就是让简单 token 少消耗，复杂 token 多调度。

这也是 MoE 模型过去一年越来越重要的原因：不是单纯把参数堆大，而是让大模型在推理阶段更像一个按需调度的系统。

二、100 万 token 上下文，真正服务的是 Agent，而不是炫技

LongCat-2.0 原生支持 100 万 token 上下文。

这个数字很容易被写成噱头，但它真正有用的地方，不是“可以一次塞一本书”，而是对 Agent 工作流非常关键。

一个代码 Agent 要修复真实项目里的 Bug，通常不是只看一个函数就够了。它需要读 README、配置文件、测试用例、依赖声明、错误日志，还要理解多个文件之间的调用关系。

上下文太短时，模型会频繁丢信息，只能靠切片、检索、重新拼上下文来补救。这样做不是不能用，但会带来两个问题：一是信息可能漏掉，二是模型容易在多轮任务里前后不一致。

100 万 token 上下文的意义，是让模型在很多任务里可以一次看到更完整的工程现场。

但这里也要说清楚：它不是 RAG 的终结者，也不是说所有代码库都能直接一把塞进去。真正的大型工程仍然会超过 100 万 token，依赖目录、构建产物、历史日志也不可能全部无脑塞给模型。

更准确的说法是：LongCat-2.0 把 Agent 可直接观察的工作区扩大了很多，让模型更少依赖碎片化检索，更容易做跨文件理解和长程规划。

三、LSA 稀疏注意力：让 1M 上下文不至于算爆

长上下文不是把窗口数字写大就完事。

传统注意力机制在长文本下的计算压力非常大。上下文越长，计算和显存负担越容易失控。如果没有底层结构优化，100 万 token 只会变成一个好看的宣传数字。

LongCat-2.0 使用了 LongCat Sparse Attention，也就是 LSA 稀疏注意力机制。

可以这样理解：模型不再对所有位置都做同等强度的关注，而是尝试在长文本中筛出更关键的信息路径，让长上下文计算更可控。

这类设计的核心不是“看得更长”这么简单，而是“看得长的同时还能跑得动”。

对 Agent 来说，这一点很重要。因为 Agent 不只是一次性回答问题，它会反复读文件、调用工具、看报错、修改代码、再测试。上下文越长，单轮成本越高。如果长上下文计算效率不解决，Agent 工作流就很难真正跑起来。

四、MOPD：不是三个模型拼起来，而是把三类能力压进一个模型

LongCat-2.0 另一个重点是 MOPD。

从官方示意图看，它不是简单地把几个模型合并，也不是推理时让三个 Agent 同时开会，而是在后训练阶段围绕三类能力分别强化，再融合到一个统一模型里。

第一类是智能体专家，主要面向工具使用、API 解析、自我纠错。

这部分对应真实 Agent 场景。比如模型执行命令失败后，不能只是说“抱歉出错了”，而要能读懂报错信息，判断是路径问题、依赖问题，还是代码逻辑问题，然后继续尝试。

第二类是推理专家，主要面向多跳推理、STEM 推理和自适应计算。

这对应的是复杂代码、算法、数学和工程分析。真实项目里的问题往往不是单点问题，而是多个模块互相牵连。模型需要能把线索串起来，而不是看到一个局部就下结论。

第三类是交互专家，主要面向指令遵循、人类对齐和幻觉抑制。

这部分看起来没那么“硬核”，但非常关键。因为 Agent 一旦进入真实工作流，乱改文件、忽略约束、编造执行结果，都会直接造成灾难。能不能稳定按要求输出，能不能承认不知道，能不能少胡编，是工程可用性的底线。

MOPD 的价值就在这里：它不是只追求某一种能力，而是试图把工具执行、复杂推理、稳定交互放进同一个模型能力框架里。

五、跑分能看，但不要只看跑分

从官方披露的结果看，LongCat-2.0 在代码和 Agent 评测上确实比较亮眼。

SWE-bench Pro 得分 59.5。这个基准更接近真实软件工程任务，不是让模型写一道算法题，而是让它在真实仓库里定位问题、修改代码、通过测试。

Terminal-Bench 2.1 得分 70.8。这个评测更看重模型在终端环境下执行任务的能力，包括命令调用、错误处理和多步骤操作。

此外，它在SWE-bench Multilingual、FORTE、RWSearch、BrowseComp 等任务上也给出了比较强的结果。

但这里不能写成“LongCat-2.0 全面超过所有闭源模型”。更稳妥的说法是：在官方披露的若干 Agent 和代码评测中，LongCat-2.0 已经进入一线模型对比区间，并且在部分指标上表现突出。

这已经足够重要。

因为对开发者来说，真正关心的不是模型在单题问答里多会吹，而是它能不能在一个真实项目里持续工作半小时、一小时，能不能不迷路，能不能读懂报错，能不能少犯低级错误。

LongCat-2.0 这次把主战场放在 Agentic Coding 上，方向是对的。

六、OpenRouter 上的热度，说明开发者愿意试，但不等于已经定胜负

LongCat-2.0 预览版此前以 Owl Alpha 的形式在 OpenRouter 等平台出现过。

官方称，它在 OpenRouter 的调用量进入全球前三，并且在 Hermes、Claude Code、OpenClaw 等不同 Agent 工具场景中拿到较高调用排名。

这说明一件事：开发者确实愿意试它。

但调用量不是质量投票。一个模型突然上线、价格有吸引力、长上下文能力突出，都会带来大量试用流量。真正的口碑，还要看后续几类反馈：

能不能稳定完成复杂仓库修改；

长上下文下是否真的少丢信息；

工具调用失败后能不能自我恢复；

输出速度和价格是否适合长期使用；

开源权重发布后，社区能不能跑出可复现结果。

所以，对 LongCat-2.0 最合理的态度不是立刻封神，也不是看见国产模型就先质疑，而是把它当成一个值得实测的 Agent 基座模型。

七、价格策略里，最值得注意的是缓存免费

LongCat-2.0 发布期提供了两个 token 包。

一个是 5000 万 token 新手包，价格 1.9 美元，每个账号限购一次，有效期 30 天。

另一个是 10 亿 token 深度使用包，价格 59.9 美元，发布图里显示原价为 299 美元，同样是 30 天有效。

但比价格本身更重要的是一句话：Cache hits free。

缓存命中免费，对长上下文 Agent 工作流非常关键。

比如你让模型反复分析同一个代码库，很多上下文内容其实是重复的。如果每一轮都按完整输入重新收费，长上下文会非常贵。但如果稳定命中缓存，前面那大段代码库上下文的重复成本就会下降很多。

这对 AI 编程工具很重要。

因为真实开发不是“一问一答”，而是多轮修改、多轮测试、多轮回看。缓存策略能否做好，直接决定长上下文模型能不能长期用，而不是只适合做演示。

八、开源值得期待，但现在不要写成“已经可以本地部署”

LongCat-2.0 已经有 GitHub 和 Hugging Face 页面，仓库采用 MIT License。

不过，当前官方页面仍然写着模型权重即将发布。

所以文章里不能写“开发者已经可以下载权重本地部署”，更不能写“现在就能在自己服务器上跑”。准确说法应该是：LongCat-2.0 已开放相关仓库和模型页面，权重处于即将发布状态，后续是否能被社区顺利部署和复现，还要看官方放出的权重、推理配置、显存要求和部署文档。

这点非常重要。

很多模型“宣布开源”和“社区可用”之间，中间还有很长一段路。尤其是 1.6T 这种规模的 MoE 模型，即使权重开放，也不代表普通开发者可以轻松本地运行。真正能用起来，还要依赖推理框架、量化方案、专家并行、KV Cache 管理、长上下文优化和硬件资源。

开源不是终点，而是社区验证的开始。

九、LongCat-2.0 真正的信号：模型、系统、算力必须一起做

这次 LongCat-2.0 最值得讨论的，其实不是“美团也做大模型了”。

更关键的是，它说明大模型竞争已经进入新阶段。

以前大家主要比模型参数、训练数据、榜单成绩。

现在越来越清楚：只会训练模型不够。前沿模型要真正可用，必须同时解决算力、架构、推理系统、工具调用、长上下文、成本控制这些问题。

LongCat-2.0 把几个方向放在了一起：

用 MoE 降低万亿参数推理成本；

用零计算专家做 token 级动态计算；

用 LSA 支撑百万 token 长上下文；

用 MOPD 强化 Agent、推理和交互能力；

用缓存策略降低长上下文多轮调用成本；

用国产算力完成大规模训练和部署验证。

这不是单点突破，而是模型工程系统化的结果。

也正因为如此，LongCat-2.0 不应该只被看成一个“国产大模型新闻”，它更像是一次前沿模型工程能力的展示：当 GPU 供应、推理成本、Agent 工作流都变成现实约束时，模型公司不能只拼规模，还要拼系统设计。

结语：LongCat-2.0 值得实测，但别急着神化

LongCat-2.0 是一个值得认真看的模型。

它的技术路线很清楚：用 MoE 和动态激活解决万亿参数成本，用稀疏注意力解决长上下文压力，用专家化后训练解决 Agent 能力融合，再用缓存和平台策略降低开发者使用门槛。

但它也还需要真实社区验证。

官方跑分是一部分，开发者在真实仓库、真实终端、真实业务数据里的反馈，才是下一阶段更重要的答案。

如果你关注 AI 编程、长上下文 Agent、国产算力训练，LongCat-2.0 值得放进观察名单。

它不一定马上改写格局。

但它释放了一个很明确的信号：

大模型的竞争，已经不是“谁参数更大”这么简单了。

下一轮竞争，拼的是谁能把模型、算力、推理系统和真实工作流一起打通。

文章来自于微信公众号 “AI阿Q”，作者 “AI阿Q”