美团发布 LongCat-2.0 模型，1.6T 参数 MoE 架构，48B 活跃参数，支持 1M 上下文，专为智能体编码设计
多源视角
RT Yifan Wu<br>Introducing SWE-Together: a multi-turn benchmark built from real user–agent coding sessions.<br><br>Coding agents are often benchmarked like exam-takers: given the f…
查看这条来源letssss gooooo breaking this bad boy out today<br>loooooooooooong cat<br><img width="1040" height="756" style="" src="https://pbs.twimg.com/media/HMEeRUoXcAAzIHM?format=jpg&nam…
查看这条来源AI 摘要
美团发布 LongCat-2.0 模型，采用 1.6T 参数 MoE 架构，活跃参数约 48B，支持 1M 上下文窗口。该模型专为智能体编码设计，内置 LongCat Sparse Attention (LSA) 机制以高效处理长上下文。目前已在 OpenRouter 上以 Owl Alpha 名称提供。对开发者而言，这意味着获得了一个面向 Agent 编程场景、具备超长上下文能力的大规模 MoE 模型。 核心观点： 1. LongCat-2.0 采用 MoE 架构，总参数 1.6T，活跃参数约 48B。 2. 模型支持 1M 上下文窗口，通过 LongCat Sparse Attention (LSA) 实现高效扩展。 3. 该模型在 OpenRouter 上以 Owl Alpha 名称提供。
推荐理由高信息密度，值得细读
原文
Meituan LongCat: Introducing LongCat-2.0 🐱 1.6T parameters · MoE with ~48B active · 1M context The full model behind Owl Alpha on @OpenRouter — now available.
Built for agentic coding from the ground up: ◆ LongCat Sparse Attention (LSA) — scales efficiently for 1M-context tokens ◆
讨论
暂无评论。