美团 LongCat 发布旗舰模型 LongCat-2.0
TL;DR · AI 摘要
美团LongCat发布LongCat-2.0，采用1.6T参数MoE架构，SWE-bench Pro得分59.5，接近闭源模型水平。
核心要点
- LongCat-2.0采用1.6T参数MoE架构，约48B活跃参数，支持1M上下文窗口
- MOPD技术将专家分为Agent/Reasoning/Interaction三组，动态路由提升效率
- SWE-bench Pro测试得分59.5，性能接近主流闭源模型
结构提纲
按章节快速跳转。
介绍LongCat-2.0作为美团龙猫系列旗舰模型的定位与技术目标。
详细解析1.6T参数MoE架构与LSA稀疏注意力机制的实现原理。
说明Agent/Reasoning/Interaction三组专家的动态路由机制设计。
- ·性能表现
展示SWE-bench Pro测试得分59.5，接近闭源模型水平的实测数据。
披露SiliconFlow Day 0服务的定价策略与调用方式。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- LongCat-2.0模型
- 技术架构
- MoE 1.6T参数
- LSA稀疏注意力
- Zero-Compute Experts
- 性能指标
- SWE-bench Pro 59.5分
- 1M上下文窗口
- 应用场景
- Agentic Coding
- 硅基流动平台
金句 / Highlights
值得收藏与分享的关键句。
Zero-Compute Experts技术实现每token动态激活33B–56B参数，无算力浪费
MOPD门控路由机制使模型在SWE-bench Pro测试中达到59.5分
1.6T参数MoE架构通过LSA稀疏注意力扩展至1M上下文窗口
美团 LongCat 发布旗舰模型 LongCat-2.0 · AI HOT
SiliconFlow
@
SiliconFlowAI
· X
精选
67
2026-06-30 13:42
·
11小时前
在 X 看原推
x.com
精选理由
美团龙猫的 LongCat-2.0 专为 agentic coding 设计的 MoE 模型，架构上三种专家分工有点意思，SWE-bench 59.5 接近闭源水平，已经能在硅基流动上直接调，做 coding agent 的可以跑跑看。
AI 摘要
美团 LongCat 推出旗舰模型 LongCat-2.0，采用 1.6T 参数 MoE 架构（约 48B 活跃参数），原生支持 1M 上下文窗口。定价为 Input Cache $0.015/1M tokens、Input $0.75/1M tokens、Output $2.95/1M tokens。模型专为 Agentic Coding 设计，包含三大技术：LSA 稀疏注意力实现高效 1M 扩展；Zero-Compute Experts 动态激活 33B–56B 参数/token，无算力浪费；MOPD 将专家分为 Agent / Reasoning / Interaction 三组，按任务门控路由。在 SWE-bench Pro 上取得 59.5 分，性能接近主流闭源模型。现已上线 SiliconFlow Day 0 服务。
AI 翻译 · 中文
显示原文
@OpenRouter 上 "Owl Alpha" 背后的完整模型来了🦉 让我们来认识一下 @Meituan_LongCat 的最新旗舰模型 LongCat-2.0 现已在 SiliconFlow 上线 Day 0🔥 💰 输入缓存/输入/输出：每 1M 模型 token $0.015/0.75/2.95 ⚙️ 1.6T 参数 MoE（约 48B 激活参数）· 原生 1M 上下文窗口 🧠 从头为智能体编码而构建： ◆ LSA：可高效扩展到 1M 的稀疏注意力机制 ◆ 零算力专家：每 token 动态激活 33B–56B 参数，无算力浪费 ◆ MOPD：三个专用专家组（智能体 / 推理 / 交互），按任务由门控路由 🏆 SWE-bench Pro 59.5：性能与主流闭源模型持平 开始构建 🐱👇
智能体
模型发布
编码