美团宣布LongCat-2.0完全开源，采用MIT许可协议，开放模型权重与推理代码。该模型以MoE架构为核心，总参数量1.6T，每token激活约48B，并支持1M token上下文。这一发布不仅填补了国内大厂在超大规模MoE开源模型上的空白，更在关键编码基准上首次超越闭源标杆——SWE-bench Pro得分59.5，高于GPT-5.5的58.6，同时SWE-bench Multilingual达77.3，Terminal-Bench 2.1为70.8。这意味着开发agentic code工具链的团队，可以直接获取一个经过验证的、无使用限制的基础模型。

LongCat-2.0的技术架构包含三个核心创新：LongCat Sparse Attention通过稀疏注意力机制处理长文本，在1M上下文时保持高效计算；Zero-Compute Experts在推理时动态激活33B–56B专家参数，实现“零浪费计算”——未激活专家不消耗算力；MOPD（Multi-Objective Policy Distillation）按任务类型将专家分为Agent、Reasoning、Interaction三组，由路由动态选择。这种设计使其在编程、多轮交互和复杂推理场景下，都能以约48B的激活参数逼近甚至超越更大密集模型的性能。

Benchmark成绩进一步证实其通用性：RWSearch 78.8、BrowseComp 79.9、FORTE 73.2，覆盖搜索、浏览和工程任务。原生集成Claude Code、OpenClaw、Hermes Agent等工具，并已在GPU与NPU集群经过大规模国内部署验证，降低了实际落地的硬件门槛。MIT协议允许商用、修改甚至二次发布，与常见限制性开源协议形成鲜明对比。

从行业视角看，LongCat-2.0的出现是一个转折点。此前在SWE-bench Pro上超越GPT-5.5的开源模型多为海外版本，且通常附带非商业条款。美团此次开放全权重，无异于向agentic coding社区提供了一份可直接用于生产环境的“参考实现”。对于正在搭建AI编程代理、自动化测试或代码审查工具的团队，建议立即下载并评估其对特定代码库的适配表现；研究侧则可重点分析MOPD的专家路由机制，探索任务特定微调的可能性。随着1M上下文和超大规模MoE的开源化，模型即工具的边界正在模糊，LongCat-2.0是这一趋势的鲜明注脚。