LongCat 2.0
LongCat 2.0は、MeituanがMITライセンスで公開したオープンウェイトのMixture-of-Expertsモデルです。総パラメータ1.6兆、トークンあたり活性化は約48B、事前学習は3.5兆トークン以上で、1Mトークンのコンテキストを備え、長期コーディングとエージェント型タスク向けに設計されています。ソーシャルフィードではフロンティア級のオープンウェイト公開として、またClaude CodeやOpenCode Goなどのコーディングハーネスに組み込めるモデルとして紹介されています。
主な機能
- 大規模MoE:総パラメータ1.6T/活性約48B。LongCat Sparse Attention(LSA)による効率的な長文推論。
- 1Mコンテキスト:1Mコンテキストのデータを数千億トークン学習し、コーディングとエージェントタスク向けに追加学習を実施。
- 異種ハードウェアでの実績:フル学習と大規模デプロイをAI ASICスーパーポッド上で実施、数百万アクセラレータ日を消費。
- ハーネス統合:Claude Code・OpenClaw・Hermesと深く統合され、OpenCode Goでも利用可能。
- MITオープンウェイト:自由に利用・改変・商用デプロイ可能。
使用シナリオ
- コーディングとリポジトリ編集:コード理解・リポジトリ全体の編集・自動タスク実行に強み。
- エージェントワークフロー:長いコンテキストと安定したツール使用が求められるエージェントハーネスで良好に動作。
- 長期タスク:巨大なウィンドウを保持しながら進める調査や多ターンタスクに最適。
- ASIC/GPUでのセルフホスト:モデルカードには異種ハードウェアでのデプロイが記載されており、単一ベンダー依存を避けられます。
料金プラン
LongCat 2.0はMITのオープンウェイトのため、重み自体は無料です。推論はローカルGPUでもホスト型APIプロバイダーでも、ご自身で算力を用意して費用を負担します。サードパーティのトークン価格は各社が独自に設定しており、当サイトでは監査していません。
優位性と独自の価値提案
プロプライエタリのフロンティアモデルとの比較:
- オープンかつMIT:同規模のクローズドモデルとは違い、重みをダウンロードして商用利用できます。
- MoE規模で1Mコンテキスト:LongCat Sparse Attentionにより、稠密アテンションの二次方的コストを回避。
- コーディングハーネス対応:Claude Code・OpenClaw・Hermes・OpenCode Goへの接続パスを標準提供。
際立つポイント:AI ASICスーパーポッドでのフロンティア規模トレーニングを実証した点と、2026年サイクルで大規模なオープンウェイトMoEのひとつである点。
はじめに
クイックスタートガイド
- 重みを取得:Hugging FaceまたはModelScopeからMITライセンスのモデルを取得。
- 推論を配備:サポートされているスタックで自前のGPU/ASIC環境にて実行。
- ハーネスに接続:Claude Code・OpenClaw・OpenCode Goをモデルに指定してエージェント型コーディングを実行。
- モデルカードを確認:テックブログでベンチマーク表とLSAの技術詳細を確認。
よくある質問
LongCat 2.0のライセンスは?
MITで、Hugging FaceとModelScopeにオープンウェイトが公開されています。
モデルの規模は?
総パラメータ1.6兆、トークンあたり約48Bが活性化し、コンテキストは1Mトークンです。
得意な分野は?
モデルカードによると、コーディング・リポジトリ編集・長期的なエージェントタスクに強みがあります。
代替案
LongCat 2.0が合わない場合はこちらも検討ください:
- DeepSeek V4 Flash:より安価で広くホストされているオープンウェイトのエージェントモデル。
- GLM-5.3:Zhipuのコーディングプランモデルシリーズ。
- Qwen3 8 27B:AlibabaのオープンウェイトMoEモデル。
ヒントとベストプラクティス
- タスクに合わせてコンテキストを使い分ける。1Mウィンドウは短いチャットより、リポジトリ編集や長期調査で活きる。
- 重みは無料でも推論は有料なため、サードパーティのトークン価格を先に確認する。
- スケール前にLSAの仕様を読む。スパースアテンションは稠密Transformerとは挙動が異なる。
まとめ
LongCat 2.0は、1Mコンテキストのコーディングとエージェント作業向けに作られたMeituanのMITライセンスMoEモデルで、2026年の注目すべきオープンウェイト公開です。Hugging Faceからダウンロードし、より安価なホスティングが必要ならDeepSeek V4 Flashと、マネージドのコーディングプランならGLM-5.3と比較してください。
コメント
まだコメントがありません。最初のコメントを投稿してください!
関連ツール
Laguna S 2.1
poolside.ai
Poolsideのオープンウェイト118B MoEコーディングモデル。8Bアクティブ、100万トークンコンテキスト、ネイティブ推論、OpenMDW-1.1ライセンスでエージェントコーディング向け。
Claude Opus 5
www.anthropic.com/claude/opus
Anthropic の最上位 Opus モデル。1M トークンのコンテキストと調整可能な思考強度を備え、Opus 4.8 と同じ価格で Fable 5 に迫る性能を発揮。エージェントと長期コーディング向け。
DeepSeek V4 Pro 0813
www.deepseek.com
DeepSeek のフラッグシップ 1.6T MoE モデル。活性化パラメータ 49B、1M トークンのコンテキスト、MIT ライセンスのオープンウェイトを備え、世界トップのコーディングスコアをクローズドモデルのごく一部の価格で実現。
関連インサイト
7 つの AI コーディング CLI を半年使って悟ったこと:モデルがどんなに強くても、仕事には監督が必要
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness はそれぞれ性格が違う。半年間の深い使用で確立した分業:pi で最速最省のレビュー、omp で複雑な PR レビュー、DeepSeek Harness + V4 Flash で高頻度・低コストなレビュー、Claude Code と Qoder でコーディング。モデルがどんなに強くても、仕事には監督が必要——しかも独立した第三者であるべき。
Claude Skills 完全ガイド - 必須10大 Skills 徹底解説
Claude Skills の拡張メカニズムを深掘りし、10の中核スキルと Obsidian 連携を詳しく解説。高効率な AI ワークフロー構築を支援します
Codex を閉じ込めているのはモデルではなく、ピッカーだ
OpenCode Go、Grok、Z.ai にはすでに課金しているのに、Codex のピッカーはほぼ GPT しか出さない。コミュニティ製の codex-router が教えるのは手順ではない。すでに買ったモデル能力をセレクタに戻すこと。鍵はマシンから出ず、ネイティブ GPT もそのまま残る。