🐱 LongCat-2.0 现已完全开源-采用 MIT 许可证，无任何限制。

自几天前发布以来，社区的反馈令人难以置信。

感谢大家的所有反馈、讨论和关注。

今天，我们向所有人发布模型权重和推理代码。

◆ 1.6T MoE · 约 48B 活跃参数 · 1M token 上下文窗口

◆ 智能体原生：可直接与 Claude Code、OpenClaw 和 Hermes Agent 集成

◆ 部署：支持 GPU 和 NPU 平台-已在大型国产集群上验证

📑 技术博客：https://longcat.ai/blog/longcat-2.0/

🤗 HuggingFace：https://huggingface.co/meituan-longcat/LongCat-2.0

💻 GitHub：https://github.com/meituan-longcat/LongCat-2.0

🪄 ModelScope：https://modelscope.ai/collections/meituan-longcat/LongCat-20

👇 推理代码

GPU：https://github.com/sgl-project/sglang/pull/30042

NPU：https://github.com/meituan-longcat/SGLang-FluentLLM/tree/npu

【引用 @Meituan_LongCat】：介绍 LongCat-2.0 🐱

1.6T 参数 · MoE 架构，约 48B 活跃参数 · 1M 上下文窗口

Owl Alpha 在 @OpenRouter 上背后的完整模型 - 现已开放。

从头为智能体编程构建：

◆ LongCat Sparse Attention （LSA） - 高效扩展至 1M 上下文 token

◆ Zero-Compute Experts - 每个 token 动态激活 33B-56B 参数，零算力浪费

◆ MOPD - 三个专门的专家组（Agent / Reasoning / Interaction），按任务由门控路由

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 🧵👇