美团旗下的万亿参数大模型 LongCat-2.0 现已正式开源。据公开信息，该模型参数量高达 1.6T，平均激活参数约为 48B，并针对 Agentic Coding（智能体编程）这类真实任务场景进行了深度优化。简单来说，它并非一个用于闲聊的通用模型，而是专为实际工作负载设计的专业级模型。

在模型架构方面，LongCat-2.0 采用了一套自研的“分层思考”机制——LongCat 稀疏注意力，显著提升了长上下文场景的处理效率，相比传统架构更具优势。同时，模型引入了 N-gram Embedding，增强了 token 级别的表示细腻度。配合动态激活机制，模型能够根据输入任务自动调配计算资源，从而在代码理解、代码生成和任务执行等场景下展现出更匹配的性能表现。

官方披露的信息显示，LongCat-2.0 是一款面向 Agentic Coding 的开源 MoE 模型，总参数量达 1.6T，支持原生 100 万上下文长度。每个 token 可动态激活约 33B 至 56B 的参数，这意味着尽管总参数规模庞大，但实际运行时仅调用最相关的那一部分，效率自然得以提升。整体架构设计紧密围绕长上下文处理、代码任务、智能体执行以及错误恢复等核心方向。

此次开源最值得关注的一点是，美团同步发布了面向国产算力平台的推理优化成果。官方介绍称，LongCat-2.0 是业界首个在五万卡国产算力集群上完成推理的万亿参数模型。考虑到国产算力芯片普遍存在显存和带宽受限的问题，团队在模型架构、芯片适配、部署策略等环节进行了全面协同优化，确保高效运行。

在部署层面，LongCat-2.0 提供了 BF16、FP8、INT8 等多精度版本，基本覆盖了当前主流算力平台的需求。对于开发者和企业团队而言，这意味着 LongCat-2.0 不仅开放了模型权重，还提供了一套更贴近国产硬件环境的推理适配方案，省去了大量自行调优的麻烦。

从应用方向来看，LongCat-2.0 的核心定位并非通用聊天，而是专注于代码与智能体任务。它更适合用于代码生成、代码理解、软件工程任务执行、长上下文代码库分析、自动化开发流程，以及构建 Agentic Coding 应用。随着大模型逐步走进真实业务场景，像 LongCat-2.0 这样围绕“任务执行”和“国产算力部署”进行优化的模型，很可能成为企业级 AI 应用落地的重要方向之一。