LongCat 2.0

LongCat 2.0 是美团开源的大规模 MoE 模型，采用 MIT 协议。总参数 1.6 万亿、每 token 激活约 48B，预训练超过 3.5 万亿 token，支持 1M token 上下文，重点面向长程编码与智能体任务。它在社区里既被视为前沿开源权重发布，也可以直接接进 Claude Code、OpenCode Go 等编码工具链。

核心功能

• 大规模 MoE：总参数 1.6T / 激活约 48B，配合 LongCat Sparse Attention（LSA）实现高效长上下文推理。
• 1M 上下文：用数千亿 token 的 1M 上下文数据训练，并针对编码与智能体任务做了专门的后训练。
• 异构算力验证：完整训练与大规模部署全程跑在 AI ASIC 超算集群上，累计数百万加速器日。
• 工具链集成：与 Claude Code、OpenClaw、Hermes 深度集成，OpenCode Go 也已支持。
• MIT 开源权重：可自由使用、修改与商业化部署。

适用场景

• 编码与仓库级修改：擅长代码理解、仓库级编辑与自动化任务执行。
• 智能体工作流：在需要长上下文和稳定工具调用的 agent harness 中表现良好。
• 长程任务：适合需要记住超大窗口的研究与多轮任务。
• ASIC/GPU 自托管：模型卡记录了异构硬件部署方式，团队可以不依赖单一供应商。

定价方案

LongCat 2.0 权重以 MIT 协议开放，权重本身免费。你需要自己承担推理算力成本，无论是本地 GPU 还是托管该模型的 API 供应商。第三方托管的 token 价格由各家自行定价，我们未做审计。

优势对比

相比闭源前沿模型：

1. 开放且 MIT：权重可下载、可商用，这是同规模闭源模型做不到的。
2. MoE 规模下的 1M 上下文：通过 LongCat Sparse Attention 避免了稠密注意力在长上下文上的二次方成本。
3. 编码工具链就绪：官方给出 Claude Code、OpenClaw、Hermes 与 OpenCode Go 的接入路径。

独特卖点：验证了在 AI ASIC 超算集群上做前沿规模训练的能力，也是 2026 周期里较大的开源 MoE 发布之一。

快速开始

入门指南

1. 下载权重：从 Hugging Face 或 ModelScope 获取 MIT 协议模型。
2. 部署服务：在自己的 GPU 或 ASIC 算力上通过受支持的推理栈运行。
3. 接入工具链：把 Claude Code、OpenClaw 或 OpenCode Go 指向该模型做智能体编码。
4. 阅读模型卡：在技术博客查看基准表与 LSA 技术细节。

常见问题

LongCat 2.0 是什么协议？

MIT，权重在 Hugging Face 与 ModelScope 上开放。

模型多大？

总参数 1.6 万亿、每 token 激活约 48B，上下文窗口 1M token。

它擅长什么？

按模型卡所述，擅长编码、仓库级修改与长程智能体任务。

替代方案

如果 LongCat 2.0 不合适，可以考虑：

• DeepSeek V4 Flash：更便宜、托管更广泛的开源智能体模型。
• GLM-5.3：智谱的编码计划模型家族。
• Qwen3 8 27B：阿里的开源 MoE 模型。

使用技巧

1. 让上下文匹配任务：1M 窗口的价值在仓库级修改和长研究里，不在短对话。
2. 先确认第三方 token 定价再决定，权重免费但推理不免费。
3. 规模化前先读 LSA 细节，稀疏注意力的行为与稠密 Transformer 不同。

总结

LongCat 2.0 是美团推出的 MIT 开源 MoE 模型，专为 1M 上下文编码与智能体任务打造，是 2026 年值得关注的开源权重发布。从 Hugging Face 下载，托管成本更便宜的话可以对比 DeepSeek V4 Flash，需要托管编码计划时再看 GLM-5.3。