人工智能编程智能体（Agentic Coding）赛道迎来关键变量。美团正式开源其LongCat-2.0模型，这是国内主要科技公司首个在SWE-bench Pro基准上超越GPT-5.5的开源大模型。采用MoE（混合专家）架构，总参数量高达1.6T，但每处理一个token仅激活约48B参数，搭配1M token的超长上下文窗口，为复杂软件工程任务提供了新的基础能力。

LongCat-2.0在架构层面进行了多处针对性的效率优化。其LongCat Sparse Attention机制专为长文本场景设计，能有效压缩计算开销，使得1M context在推理时仍保持合理速度。更为亮眼的是Zero-Compute Experts技术：通过动态评估，每token仅激活33B–56B参数，且完全避免冗余计算，实现了“零浪费”的专家激活。此外，MOPD（多目标专家路由）根据任务类型自动将token路由至Agent、Reasoning、Interaction三组专家集群，使模型在不同场景下都能调用最擅长的子网络。

基准测试成绩支撑了上述设计的效果。在软件工程能力评估上，SWE-bench Pro达到59.5（超越GPT-5.5的58.6），SWE-bench Multilingual取得77.3，FORTE得分73.2。在终端任务Terminal-Bench 2.1上获得70.8，而网页浏览与代码搜索任务BrowseComp和RWSearch分别达到79.9和78.8。这些数字显示LongCat-2.0不仅在编程修改，也在多语言适应、复杂工具调用等方面展现出全面性。

为降低落地门槛，该模型原生集成了Claude Code、OpenClaw、Hermes Agent等主流智能体工具，并提供完整的推理代码与权重。部署层面同时支持GPU和NPU，且已在美团大规模国内集群中得到验证。MIT许可协议意味着无论学术还是商业用途均无限制。

此次开源的最大价值在于为Agentic Coding团队提供了一个“开箱即用”的强基座。以往在SWE-bench这类高难度编程评测上，开源模型往往落后闭源模型一个身位，而LongCat-2.0以明确优势反超，标志着开源生态在复杂软件工程能力上迈入新阶段。对于正在构建代码智能体或智能编程助手的开发者，这是一个可以直接投入生产评估的选项。