6月30日，美团正式发布并开源新一代万亿参数大模型LongCat-2.0。这款总参数达1.6T、激活参数约48B的模型，在五万卡国产算力集群上完成了全流程训练与推理，成为国内首个完全依托国产算力自训的开源万亿级模型。更值得关注的是，其预览版通过OpenRouter和longcat.ai开放后，月调用量已冲至OpenRouter全球前三——这并非实验性Demo，而是被开发者用脚投票的生产力工具。

LongCat-2.0的核心技术架构围绕超长上下文和编码Agent场景展开。模型原生支持1M token超长上下文，这在开源大模型中属第一梯队。为实现高效稀疏计算，项目组设计了LSA（Local Sparse Attention）注意力机制，配合“零计算专家”和ScMoE（Sparse Conditional Mixture of Experts）架构，将推理成本控制在合理区间——总参数1.6T但每次推理仅激活约48B参数，兼顾能力与效率。尤其值得一提的是MOPD（Multi-Expert Fusion）设计，内设Agent、Reasoning、Interaction三组专家，分别针对编码自动化、逻辑推理和交互理解任务进行专业化优化，明显指向SWE-bench类复杂软件工程场景。

在权威评测中，LongCat-2.0在SWE-bench Pro上取得59.5分，SWE-bench Multilingual获得77.3分。作为对比，目前该榜单上领先的开源模型如Llama 3.1 405B、DeepSeek-V2等，在软件工程任务上的得分多在40-60区间。LongCat-2.0的优势不仅来自1M上下文对长代码库的覆盖能力，更源于三组专家在Agent、推理与交互层面的协同。这种架构打破了传统MoE中各专家同质化的局限，为Agentic Coding（智能体编程）场景提供了原生支持——开发者可直接将其用于自动补全、代码评审、Bug修复等需要理解项目全局的复杂任务。

开源和部署方式的灵活性进一步放大了模型的价值。除通过OpenRouter API调用外，美团同步在Hugging Face等平台开放模型权重，支持开发者自建推理服务。五万卡国产算力集群完成训练，意味着在GPU出口受限的背景下，国产算力已具备支撑万亿级模型的能力。而从OpenRouter调用量全球前三的数据看，这一技术路径获得了国际开发者的认可，证明“国产算力+开源大模型”的组合不再是纸上谈兵。

对于AI从业者，LongCat-2.0的实际意义在于：它提供了一个经过大规模验证的、面向编码Agent的基座模型。如果你的应用场景需要处理长代码文件、跨文件上下文理解或多步骤推理（如自动化PR review、复杂Bug定位），可直接基于其权重进行微调或集成。长远看，LongCat-2.0的成功也释放了一个明确信号：大模型的竞争正从“拼参数量”转向“拼场景化专家设计”和“算力自主可控”。随着更多国产模型在Agent、编码等垂直领域做出专精化突破，下一阶段AI生产力工具的门槛将大幅降低。