事情日�；� ，周末“打卡”开战 ？美伊签署协议刚一周 ，或陷入怪圈
导语：6 月 30 日 ，美团正式宣布新一代万亿参数大模型 LongCat-2.0 ，并将对外开源。6 月 30 日 ，美团正式宣布新一代万亿参数大模型 LongCat-2.0 ，并将对外开源。作为业界首个在五万卡国产算力集群上完玉成流程训练与推理的万亿参数模型（总参数 1.6 T ，平均激活约 48 B ，动态规模 33B~56B） ，LongCat-2.0 从零开始预训练 ，原生支持 1M 超长上下文 ，其架构设计自始至终围绕一个焦点目标：让模型在真实的 Agentic Coding 任务中 ，更高效、更稳定地完成代码理解、生成与执行。正式版宣布前 ， LongCat-2.0 预览版本已通过 OpenRouter 平台和 longcat.ai 面向全球开发者开放挪用—— 截至目前该模型已跻身 OpenRouter 全球大模型挪用量前三 ，月挪用量在 Hermes、Claude Code 和 OpenClaw 排列全球第一、第二和第三位 ，成为最受全球 Agent 开发者接待的模型之一。01 国模国芯全栈协同：完成万亿参数 MoE 模型在国产算力上的稳定训练LongCat 团队对国产算力的探索始于 2023 年 ，三年来 ，团队从千卡起步 ，逐步攻克算子适配、通信优化、漫衍式稳定性等基础难题 ，最终在五万卡集群上完成万亿参数模型的全流程训练与推理。LongCat-2.0 预训练数据规模凌驾 30T tokens ，笼罩中文、英文、多语言和代码等多类数据；面对万卡级训练中的硬件故障、通信异常、显存压力与数值波动 ，LongCat 团队从稳定性、正确性和效率三方面攻克国产算力训练难题。在正确性上 ，通过自研设计确定性算子、Bitwise 一致性验证和参数检测 ，包管训练结果的可靠 ，同时基于实践提升要害� ？榕趟憔取⒂呕� Reduce 逻辑；在效率上 ，通过流水线调理、显存优化和算子级控核 ，训练 MFU 提升 1.5 倍。最终 ，LongCat 实现稳态日吞吐凌驾 1T tokens/day ，完成万亿参数 MoE 模型在国产算力上的稳定训练。在推理阶段 ，LongCat-2.0 围绕模型、算子和框架进行协同优化：通过大规模专家并行聚合访存带宽 ，支撑万亿参数 MoE 模型的低延迟解码；将零盘算专家机制融入专家并行通信流程 ，使路由到零专家的 token 真正制止不须要的传输与盘算；并针对通信、Attention、GEMM 等焦点算子优化调理 ，结合提前下发与权重预取等框架机制 ，进一步降低推理链路中的期待开销。从稳定训练到低延迟推理 ，LongCat-2.0 验证了我们已具备在国产算力集群上进行大规模模型训练的能力。它不可是 " 能训出 " 万亿参数模型 ，还让万亿参数模型能够在真实任务中稳定运行。02 让模型在真实 Agentic Coding 任务中更高效、更稳定地完成代码理解、生成与执行LongCat-2.0 的架构设计始终围绕一个焦点目标：让模型在真实 Agentic Coding 任务中更高效、更稳定地完成代码理解、生成与执行。1M 超长上下文 ，让 Agent 看见整个项目。 古板模型在处理凌驾 100K 上下文后就开始 " 遗忘 " 前面的内容。LongCat-2.0 接纳 LongCat Sparse Attention（LSA）稀疏注意力机制 ，在处理长文本时不再 " 逐字逐句地看 " ，而是智能筛选要害信息 ，将盘算量从平方级降至线性级。这使得模型在 100 ? 万 Token 的超长上下文中 ，依然坚持精准的信息定位与理解能力。零盘算专家 + ScMoE ，让算力用在刀刃上。 代码任务中差别 token 庞漂后差别巨大——界说变量名和推导递归算法对算力的需求完全差别。LongCat-2.0 通过零盘算专家实现 token 级动态激活（33B~56B） ，简单 token 不必耗算力 ，庞大 token 自动获得更多盘算资源。MOPD 多专家融合 ，一个模型同时擅长写代码、做推理、懂交互。 LongCat-2.0 通过 MOPD 架构融合 Agent、Reasoning、Interaction 三组专家能力—— Agent Experts 专攻工具挪用与自主纠错 ，Reasoning Experts 深耕数学与 STEM 推理 ，Interaction Experts 优化指令遵循与交互体验。推理时由门控网络凭据任务类型动态调理最擅长的专家 ，而非简单合并参数。得益于此 ，模型在编程、推理、交互等维度均体现突出。LongCat-2.0 通过精细的架构设计 ，让万亿参数模型在实际任务中更高效、更稳定地发挥能力。03 在编程能力、真实办公场景的庞大任务处理方面体现优异综合评测结果显示 ，LongCat-2.0 凭借卓越的综合性能与稳定的任务体现 ，在 Code 和 General Agent 场景体现优异。在编程能力方面 ，LongCat-2.0 展现出扎实的综合实力：在考察深层工程能力的 SWE-bench Pro 中获得 59.5 ，领先 Gemini 3.1 Pro（54.2）、 GPT-5.5（58.6）和 Claude Opus 4.6（57.3）；在 SWE-bench Multilingual 中取得 77.3 的结果 ，与 Claude Opus 4.6（77.8）坚持在同一水位；别的 ，在真实终端指令交互评测 Terminal-Bench 2.1 中取得 70.8 ，体现了其在真实运维与开发终端任务中的稳定执行与纠错能力。在真实办公场景的庞大任务处理方面 ，LongCat-2.0 体现均衡：在搜索智能体评测集 RWSearch 中获得 78.8 ，在生产力场景评测集 FORTE 中获得 73.2 ，在 BrowseComp 中获得 79.9 ，均抵达或接近前沿闭源模型水平 ，证明了其在多办法任务计划、庞大工具挪用及长程检索执行上的高可靠性 ，能够较好的契合企业级 Agent 的落地需求。04 在真实事情场景中 ，成为各人可靠的 " 事情同伴 "内测期间 ，我们面向真实事情场景征集了大宗真实的用户任务需求 ，这些来自一线的真实 " 事情单 " ，可以看出 LongCat-2.0 在用户的真实事情场景中正在成为他们可靠的 " 事情同伴 "。Agent 搭建：一问即得 ，全闭环交付通过 LongCat-2.0 搭建的 AI SQL Agent ，业务人员可以直接用自然语言盘问数据。LongCat-2.0 自动完玉成链路闭环——理解问题意图、计划盘问办法 ，并将数据结果转化为清晰的业务洞察。代码库迁移：读懂老代码 ，重构新架构给 LongCat-2.0 一个旧版插件代码库和一份新版 SDK 文档 ，它能自行剖析整体架构、梳理焦点逻辑 ，再将整个插件重构为切合新 API 的实现——保存全部原有功效 ，修复潜在隐患 ，编译一次通过。完整应用开发：从一句话到可运行产品描述一个 " 儿童 AI 游戏训练场 " 的创意 ，LongCat-2.0 会逐步生成技术选型、页面架构、游戏逻辑与视觉细节——从首页到三个完整可玩的游戏页面 ，全部代码一次产出 ，开箱即用。从一句话到可用的产品 ，将灵感轻松实现。3D 交互演示：一句话 ，生成一个 3D 世界通过一句话描述 ，LongCat-2.0 即可生成完整 Three.js 3D 演示：透明烧瓶、荧光液体、泡沫喷发、液面下降和聚集效果全部可交互泛起。所有代码封装在一个 HTML 文件中 ，翻开即用 ，让创意快速转化为可交互的 3D 体验。?AI 小说工厂：从单点灵感应商业变现基于 LongCat-2.0 构建的 "AI 小说工厂 " ，将创意写作升级为自动化内容流水线。用户输入灵感后 ，系统编排多个 Agent ，自动完成世界观构建、并行章节生成、质量评估与回流修订。并通过长上下文能力包管百万字级设定一致性。最终内容可自动适配多平台宣布 ，并由 Web 面板实时监控生成进度与质量状态 ，实现连续稳定的连载输出。（文章为作者独立看法 ，不代表艾瑞网立�。�