美团本周直接把大招放了出来：万亿参数大模型 LongCat-2.0 正式开源。这不是一次普通的权重公开——HuggingFace、GitHub、ModelScope 三端同步上线，还附带了一套专门为国产算力芯片优化过的推理代码。

先说最硬的一个事实：LongCat-2.0 是业界首个在五万卡国产算力集群上完成推理的万亿参数模型。总参数 1.6T，平均激活约 48B，主打真实 Agentic Coding（智能体编程）任务。这意味着，这套模型从架构到部署，都是奔着"在国产芯片上把活干完"去的，而不是只在顶级算力上跑个分。

打开网易新闻 查看精彩图片

这次开源值得关注的细节，拆成五个要点来看：

一、架构层面：稀疏注意力和 N-gram Embedding 是两张新牌

LongCat-2.0 引入了 LongCat 稀疏注意力机制（LSA），用流感知索引、跨层索引和层级化索引三项策略，专门处理智能体任务里的超长输入场景。目的是减少碎片化访存和重复索引计算，在保持模型质量的前提下加速百万级长上下文的训练与推理。

另一个关键设计是 N-gram Embedding。在 MoE 稀疏度已经接近 97% 的情况下，继续扩充专家带来的收益很有限，美团选择把 135B 参数投入 N-gram Embedding，作为新的参数扩展路径。这个模块占比控制在总参数 10% 以内，兼顾了收益和结构稳定性。

二、模型层优化：把显存和带宽的压力一点一点磨掉

国产芯片显存和带宽都受限，LongCat-2.0 在 Attention 上做了三件事：采用 absorb 计算模式、让 Indexer 与 MLA prolog 并行处理、通过 KVP 对 KV-cache（键值缓存）进行切分，把超长上下文带来的 I/O 与显存压力降下来。

ScMoE 这边则利用国产芯片的控核能力，让 Dense 和 MoE 分支实现物理核心级并行执行，直接压缩端到端延迟。最终效果是：百万上下文在国产芯片上也能高效推理。

三、芯片适配层：用 Super Kernel 和 Weight Prefetch 跟硬件死磕

算子太多启动开销就大，LongCat-2.0 用 Super Kernel 减少算子数量；I/O 等待浪费时间，就用 Weight Prefetch 把延迟隐藏在前序计算里。同时基于高速片间互联完成 layer-wise 的 KV-cache 传输，TP/SP/KVP 都在 scale-up 互联域内完成，在显存和带宽都有限的情况下把硬件利用率拉到最大。

四、部署策略：PD 分离，让 Prefill 和 Decode 各干各的

Prefill 端通过缩小 Expert-Parallel 域与序列并行，分担长序列计算压力；Decode 端用 KV-cache 切分和高并行度降低单卡显存占用。配合异步化的 Expert-Parallel Load Balancing，解决大 EP 度下的负载不均问题。

这些并行方案不是实验室里的摆设，已经适配了 constrained decoding、multi-step scheduling 和 MTP 等推理优化特性。换句话说，能在国产算力上稳定对外提供服务，而不是只能跑通一个 demo。

五、后训练和开源：模型会执行、会推理、懂交互，代码全部交出

后训练阶段，LongCat-2.0 采用多教师在线蒸馏，把专家拆成 Agent、推理和交互三类，分别聚焦自主执行、自适应推理和安全对齐，最后通过 MOPD 架构在国产算力集群上完成融合，让模型兼具深度推理、自主执行与精准交互的综合能力。

这次开源同步提供了 BF16、FP8、INT8 等多精度版本，并将针对国产算力极致优化的推理代码一并放了出来。也就是说，即便手上没有最新算力，也能基于现有硬件把 LongCat-2.0 跑起来。