标题：美团开源1.6T MoE模型LongCat-2.0：超越GPT-5.5，MIT协议无限制

摘要：美团正式开源LongCat-2.0（MIT许可），总参数量1.6T、每token激活约48B的MoE模型，支持1M上下文。在SWE-bench Pro上以59.5分超越GPT-5.5，并集成Claude Code等工具，为agentic coding领域带来重要转折。

美团宣布其LongCat-2.0模型以MIT许可证完全开源，公开模型权重与推理代码。这不仅是国内大厂首个在SWE-bench Pro上超越GPT-5.5的开源模型，更以1.6T总参数、约48B激活参数的MoE架构，为智能体编码任务树立了新标杆。

技术架构：极致效率与动态平衡

LongCat-2.0采用MoE架构，总参数量1.6T，但每次推理仅激活约48B参数，支持长达1M token的上下文。其核心创新包括：LongCat Sparse Attention——高效处理超长文本，避免传统注意力机制的二次复杂度；Zero-Compute Experts——可动态激活33B至56B专家，实现零浪费计算；MOPD（Multi-Objective Path Distillation）——按任务动态路由至Agent、Reasoning、Interaction三组专家，针对性优化不同场景。

Benchmark表现：全面超越，本土验证

在多项权威评测中，LongCat-2.0交出了亮眼成绩单：Terminal-Bench 2.1得分70.8；SWE-bench Pro 59.5（超越GPT-5.5的58.6）；SWE-bench Multilingual 77.3；FORTE 73.2；RWSearch 78.8；BrowseComp 79.9。这些分数并非实验室数据，模型已在大规模国内集群完成部署验证，原生集成Claude Code、OpenClaw、Hermes Agent等工具，支持GPU与NPU双平台。

行业影响：Agentic Coding的转折点

LongCat-2.0的MIT许可意味着无任何商业或使用限制，团队可直接用于构建agentic coding系统。此前，开源模型在编程智能体任务上常落后闭源模型一个代际，而LongCat-2.0在SWE-bench Pro上超越GPT-5.5，标志着开源生态在Agent场景首次实现实质性反超。对于从事自动代码修复、多语言编程代理、长上下文代码理解的团队，这是一个可直接落地的“零成本”基座。

趋势研判

1.6T参数量与48B激活参数的组合，代表了MoE架构在高效率与强能力之间的平衡点——不是越大的模型越好，而是“按需激活”才能兼顾成本与效果。美团将如此大规模的模型以最宽松的协议开源，或将加速国内Agent开发范式从“调用闭源API”转向“自建本地Agent”。建议相关团队立即评估LongCat-2.0与自身工具链的兼容性，尤其是其原生支持的Agent工具集成路径，可能大幅缩短迁移周期。