美团正式开源LongCat-2.0：1.6T参数助力Agentic Coding：同步支持国产卡推理

美团技术团队正式开源LongCat-2.0模型，该模型拥有1.6T总参数量，平均激活约48B，专为Agentic Coding任务设计。通过创新性引入LongCat稀疏注意力和N-gram Embedding架构，模型在长上下文处理效率与代码理解、生成及执行方面表现卓越。此外，美团同步开放了国产卡推理代码，极大降低了开发者在国产算力平台上的部署门槛。

核心要点

• 超大规模架构：LongCat-2.0 拥有 1.6T 总参数量，通过动态激活机制，平均激活参数约为 48B，实现了高性能与推理效率的平衡。
• 专为代码智能体设计：模型针对真实的 Agentic Coding（智能体编码）任务进行了深度优化，强化了从代码理解到执行的全链路能力。
• 架构技术创新：引入了 LongCat 稀疏注意力和 N-gram Embedding，显著提升了长上下文的处理效率及 Token 级别的表示能力。
• 国产算力适配：开源的同时同步开放了国产卡推理代码，支持在国产硬件环境下的高效部署与应用。

详细分析

创新架构：稀疏注意力与动态激活的结合

美团 LongCat-2.0 在架构设计上展现了极高的技术前瞻性。其 1.6T 的总参数量确保了模型具备极强的知识容量，而通过动态激活技术将平均激活参数控制在 48B 左右，这不仅提升了推理速度，还降低了计算资源的消耗。核心创新的 LongCat 稀疏注意力机制，专门解决了长文本处理中的计算冗余问题，使得模型在面对大规模代码库或复杂长上下文时，依然能够保持高效的响应速度。同时，N-gram Embedding 的引入增强了模型对局部文本特征的捕捉能力，提升了 Token 级的细粒度表示，这对于语法严谨的代码任务至关重要。

赋能 Agentic Coding：从生成到执行的跨越

与传统的代码补全模型不同，LongCat-2.0 是为“真实的 Agentic Coding 任务”而生的。这意味着它不仅关注代码片段的生成，更强调在复杂编程场景下的理解与执行能力。在智能体驱动的开发模式中，模型需要理解多文件关联、处理长达数万行的上下文，并能够根据反馈进行自我修正。LongCat-2.0 通过强化代码执行逻辑的建模，使得 AI 能够更精准地参与到软件工程的实际流程中，从而在自动化重构、复杂 Bug 修复以及系统级设计中发挥更大作用。

国产化生态：同步开放推理代码的意义

在当前全球算力环境多变的背景下，美团 LongCat-2.0 同步开放国产卡推理代码具有重要的战略意义。这一举措不仅展示了美团在底层算力适配方面的技术积累，也为国内开发者提供了基于国产硬件的完整解决方案。通过优化国产显卡的推理效率，LongCat-2.0 能够帮助企业和研究机构在不依赖特定海外硬件的情况下，构建高性能的代码智能应用，进一步推动了国产 AI 基础设施生态的繁荣发展。

行业影响

LongCat-2.0 的开源标志着代码大模型进入了“智能体时代”。其对长上下文的高效处理和对国产硬件的深度适配，将直接推动国内开发者在 Agentic Coding 领域的探索。对于行业而言，这不仅提供了一个高性能的开源底座，更通过技术创新证明了稀疏架构在大规模代码处理中的优越性。随着更多开发者接入国产卡推理框架，国内 AI 产业的软硬件协同能力将得到显著增强。

常见问题

问题 1：LongCat-2.0 的主要技术创新是什么？

LongCat-2.0 主要引入了 LongCat 稀疏注意力和 N-gram Embedding 架构。稀疏注意力提升了长上下文的处理效率，而 N-gram Embedding 增强了 Token 级的表示能力，结合动态激活机制，使模型在 1.6T 总参数下依然能保持高效推理。

问题 2：什么是 Agentic Coding，LongCat-2.0 为何针对此优化？

Agentic Coding 指的是 AI 像智能体一样参与编程任务，涉及理解复杂需求、跨文件协作及代码执行。LongCat-2.0 通过优化长上下文和执行能力，使其能更好地胜任这种真实的、全流程的编程任务。

问题 3：LongCat-2.0 对硬件的支持情况如何？

美团在开源模型的同时，特别同步开放了国产卡推理代码。这意味着开发者可以在主流的国产 AI 算力平台上直接进行 LongCat-2.0 的推理部署，无需复杂的底层适配工作。