业界首个：美团LongCat-2.0发布，国产芯片上跑出的万亿参数模型

发布时间：2026-07-17 13:57:33 来源：安智兰德资讯网 作者：焦点

IT之家 6 月 30 日消息，业界亿参美团今日正式宣布推出新一代万亿参数大模型 LongCat-2.0，首个数模并同步宣布该模型将对外开源。美团

LongCat-2.0 被定义为业界首个在 五万卡国产算力集群上完成全流程训练与推理的布国万亿参数大模型。该模型总参数量高达 1.6 T，产芯平均激活参数量约为 48 B，片上跑出动态激活范围在 33B~56B 之间。业界亿参模型从零开始预训练，首个数模原生支持 1M（100万）超长上下文窗口。美团

在正式版发布前，布国LongCat-2.0 预览版本已通过 OpenRouter 平台及 longcat.ai 面向全球开发者开放调用。产芯数据显示，片上跑出该模型已迅速跻身 OpenRouter 全球大模型调用量前三甲，业界亿参其月调用量在 Hermes、首个数模Claude Code 和 OpenClaw 榜单中分别位列全球第一、美团第二和第三位。

攻克国产算力训练难题

LongCat-2.0 的预训练数据规模超过 30T tokens，全面覆盖中文、英文、多语言及代码数据。面对万卡级训练过程中出现的硬件故障、通信异常、显存压力及数值波动等挑战，LongCat 团队从稳定性、正确性和效率三个维度突破了国产算力训练的技术瓶颈：

• 稳定性提升：通过引入 HCCL 异常处理机制、弹性扩缩卡策略及自动故障恢复功能，将月均日故障率降低 70% 以上。
• 正确性保障：采用自研确定性算子、Bitwise 一致性验证及参数检测技术，确保训练结果可靠；同时基于实践提升关键模块计算精度，优化 Reduce 逻辑。
• 效率优化：通过流水线调度、显存优化及算子级控核技术，使训练 MFU（模型浮点运算利用率）提升 1.5 倍。

最终，LongCat 实现了稳态日吞吐超过 1T tokens/day，成功完成万亿参数 MoE 模型在国产算力上的稳定训练。

推理阶段协同优化

在推理阶段，LongCat-2.0 围绕模型架构、算子设计及框架机制进行了深度协同优化：

1. 低延迟解码：通过大规模专家并行聚合访存带宽，支撑万亿参数 MoE 模型的高效低延迟解码。
2. 零计算专家机制：将该机制融入专家并行通信流程，使路由到零专家的 token 真正避免不必要的传输与计算，节省资源。
3. 降低等待开销：针对通信、Attention、GEMM 等核心算子优化调度，结合提前下发与权重预取等框架机制，进一步降低推理链路中的等待时间。

核心技术创新

LongCat Sparse Attention (LSA) 稀疏注意力机制
在处理长文本时，LSA 机制改变了传统“逐字逐句”的处理方式，通过智能筛选关键信息，将计算复杂度从平方级降至线性级。这使得模型在 100 万 Token 的超长上下文中，依然能保持精准的信息定位与理解能力。

Token 级动态激活
针对代码任务中不同 Token 复杂度差异巨大的特点（如变量定义与递归算法推导对算力需求截然不同），LongCat-2.0 通过零计算专家实现 Token 级动态激活（33B~56B）。简单 Token 不消耗算力，复杂 Token 自动分配更多计算资源，实现算力的高效利用。

MOPD 架构融合
LongCat-2.0 采用 MOPD 架构，深度融合 Agent、Reasoning、Interaction三组专家能力：
* Agent Experts：专攻工具调用与自主纠错。
* Reasoning Experts：深耕数学与 STEM 推理。
* Interaction Experts：优化指令遵循与交互体验。

推理时，门控网络根据任务类型动态调度最擅长的专家，而非简单合并参数，从而在编程、推理、交互等维度均取得突出表现。

综合评测表现

综合评测结果显示，LongCat-2.0 在 Code 和 General Agent 场景下表现优异。

编程与工程能力：
* SWE-bench Pro：得分 59.5，领先 Gemini 3.1 Pro（54.2）、GPT-5.5（58.6）和 Claude Opus 4.6（57.3）。
* SWE-bench Multilingual：取得 77.3的成绩，与 Claude Opus 4.6（77.8）保持在同一水位。
* Terminal-Bench 2.1：得分 70.8，体现了其在真实运维与开发终端任务中的稳定执行与纠错能力。

办公与 Agent 场景：
在真实办公场景的复杂任务处理方面，LongCat-2.0 在搜索智能体评测集 RWSearch中获得 78.8，在生产力场景评测集 FORTE中获得 73.2，在 BrowseComp中获得 79.9。上述成绩均达到或接近前沿闭源模型水平，能够较好地契合企业级 Agent 的落地需求。

IT之家附 API 开放平台地址如下：

相关文章