6月30日，美团正式发布了LongCat-2.0——一个总参数量达到1.6T、平均激活参数约48B的开源大模型。这不仅是国产算力上首个全流程自训练的万亿参数开源模型，更因其在OpenRouter上月调用量已冲入全球前三，证明了它并非Demo意义上的“秀肌肉”，而是真正进入生产环境并被用户验证的产品。

LongCat-2.0最引人注目的技术特点之一是原生支持1M超长上下文。这得益于其采用的LSA（局部稀疏注意力）机制，大幅降低了长序列下的计算复杂度。与此同时，模型引入了ScMoE（稀疏条件混合专家）架构，并设计了一套名为MOPD的多专家融合方案——专门为Agent、Reasoning、Interaction三组任务分别训练专家模块。每个专家并非静态复用，而是通过“零计算专家”技术实现选择性激活，在推理时仅调用与当前任务最相关的子网络，从而在1.6T参数的规模下保持48B的激活量，兼顾了表达能力和推理效率。

在评测表现上，LongCat-2.0在SWE-bench Pro上获得了59.5分，在SWE-bench Multilingual（多语言软件工程基准）上达到77.3分。这一成绩已与国际顶尖开源模型（如Llama 3.1 405B、DeepSeek-V3等）处于同一梯队，尤其在多语言代码补全和修复任务上表现突出。值得强调的是，该模型的训练与推理全部在五万卡规模的国产算力集群上完成，全流程采用自研框架和优化工具，证明了中国芯片和基础设施已有能力支撑万亿级参数的端到端训练。

从产品布局来看，LongCat-2.0的1M上下文和动态专家架构直接指向了Agentic Coding场景。长上下文使得模型可以一次性处理整个代码仓库、详细的开发文档或历史对话记录，而多专家融合则在代码生成、调试解释和交互协作中提供了专业化能力。目前预览版已通过OpenRouter和longcat.ai对外开放。根据OpenRouter公布的月度调用排名，LongCat-2.0超过了大量海外主流模型，仅次于GPT-4o和Claude 3.5 Sonnet，成为全球第三大调用量的模型。

对于开发者和企业用户来说，LongCat-2.0的推出意味着：第一，国产大模型在自主算力上已具备顶级竞争力，无需依赖海外芯片即可完成万亿参数级别的训练与推理；第二，开源+长上下文的组合使得复杂软件开发辅助工具的门槛显著降低，尤其是需要跨文件理解和多轮对话的编程助手；第三，动态专家架构的设计思路值得关注——未来大模型可能不再追求单一体积的“全能”，而是通过任务驱动的稀疏路由来趋近效率与性能的帕累托最优。在AI行业的“模型军备竞赛”中，LongCat-2.0证明了实用化、可落地的方向同样能获得市场投票，这对整个国产芯片和算法生态都是一个积极的信号。