# 美团 LongCat-2.0 完全开源，1.6T 参数的 MoE 模型，权重和推理代码都放出来了

> 原标题：美团 LongCat-2.0 完全开源（MIT 许可），1.6T MoE 模型开放权重与推理代码

- 来源：AI HOT 精选
- 发布时间：2026-07-05T14:00:18.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42504
- 原文：https://x.com/Meituan_LongCat/status/2073768940078317713

## 摘要

美团把 LongCat-2.0 整个开源了，MIT 协议，权重和推理代码都能直接用。这是个 1.6 万亿参数的 MoE 模型，每次推理只激活大约 480 亿参数，上下文窗口能塞进 100 万 token。它用了三个省资源的招：LongCat Sparse Attention 专门处理长文本，Zero-Compute Experts 会根据任务动态激活 ...

## 推荐理由

美团把 LongCat-2.0 完整开源，MIT 协议放权重和代码，在国内大厂里算动作很大。1.6T 总参数、每次只激活 48B、100 万 token 上下文，这几个数字说明它在长文本和推理成本上都做了针对性设计，不是纯刷参数量。对从业者来说，能直接拿到权重和推理代码，比只发论文或给 API 实用得多。重要性给 82 分合理，featured 也站得住，因为这件事既有技术细节可聊，又有开源生态层面的信号意义。

## 锐评

LongCat-2.0这次开源挺实在，MIT协议，权重和推理代码都给了，不是那种只放个壳的“开源”。模型是MoE架构，总参数1.6万亿，但每次推理只激活约480亿，相当于养了一个超大团队但每次只叫四十八个人干活，省算力。上下文窗口能塞进100万token，差不多是整部《三体》三部曲的量。

技术上有三个省资源的招：LongCat Sparse Attention专门处理长文本，Zero-Compute Experts会根据任务动态激活330亿到560亿参数，避免空转；MOPD则把任务分给Agent、推理、交互三组专家各干各的。跑分上，SWE-bench Pro拿了59.5，比GPT-5.5的58.6高不到一个点，这点优势在工程落地里基本可以忽略。Terminal-Bench 2.1有70.8，多语言SWE-bench 77.3，看着还行，但正文没披露这些基准的测试条件和误差范围，分数得打个折看。

模型原生支持Claude Code、OpenClaw这些工具，GPU和NPU都能跑，已经在国内大规模集群上验证过。但没提推理延迟、并发吞吐这些实际部署的关键指标，也没说训练数据构成和去毒情况。开源是好事，能不能用起来，还得看社区实测反馈。