# 美团发布LongCat-2.0，1.6T参数MoE模型，支持1M上下文窗口

- 来源：🚨 AI News | TestingCatalog (@testingcatalog)
- 发布时间：2026-06-30 15:54
- AIHOT 分数：79
- AIHOT 链接：https://aihot.virxact.com/items/cmr0creo700mzslolihhaeqz4
- 原文链接：https://x.com/testingcatalog/status/2071864999799058768

## AI 摘要

美团推出LongCat-2.0，总参数1.6T（MoE架构，活跃参数约48B），支持1M上下文窗口。训练与部署完全基于AI ASIC超算集群，已以Owl Alpha名称在OpenRouter上线测试。模型专为智能体编码设计：LongCat Sparse Attention（LSA）高效处理百万级token；Zero-Compute Experts每个token动态激活33B–56B参数，零浪费计算；MOPD机制含三种任务门控专家组（Agent/Reasoning/Interaction）。基准测试：Terminal-Bench 2.1得70.8，SWE-bench Pro 59.5（同期GPT-5.5为58.6），SWE-bench Multilingual 77.3，FORTE 73.2，RWSearch 78.8，BrowseComp 79.9。

## 正文

美团发布了 LongCat-2.0，一个拥有 1.6T 参数、1M 上下文窗口的全新模型！

> 完整的训练运行和大规模部署均完全基于 AI ASIC 超算集群构建。

该模型现已在 OpenRouter 上以 Owl Alpha 的名称开放测试。

[引用 @Meituan_LongCat]：介绍一下 LongCat-2.0 🐱 1.6T 参数 · MoE，约 48B 活跃参数 · 1M 上下文窗口 @OpenRouter 上 Owl Alpha 背后的完整模型——现已可用。

从头开始为智能体编程而构建： ◆ LongCat 稀疏注意力（LSA）——高效扩展到 1M 上下文模型 token ◆ 零计算专家——每个 token 动态激活 33B–56B，零算力浪费 ◆ MOPD——三个专门的专家组（智能体 / 推理 / 交互），按任务经过门控路由

性能对比： → Terminal-Bench 2.1: 70.8 → SWE-bench Pro: 59.5（GPT-5.5: 58.6） → SWE-bench Multilingual: 77.3 → FORTE: 73.2 · RWSearch: 78.8 · BrowseComp: 79.9

📖 技术博客：https://longcat.chat/blog/longcat-2.0/ 在不同场景下试用它 🧵👇

### 引用推文

> 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...