LongCat-2.0 正式开源：美团把国产卡推理栈也放出来了

6 月 30 日，LongCat-2.0 还是一次「发布并将开源」的模型公告。到了 7 月 12 日，美团把这件事推进到了更硬的一步：权重入口、GitHub 仓库、ModelScope 集合、GPU / NPU 推理代码和多精度部署路径一起放出来。官方公告把它称为「正式开源」，并特别强调这是在五万卡国产算力集群上完成推理的万亿参数模型。1

这次值得单独看，不是因为 LongCat-2.0 的 1.6T 总参数、约 48B 平均激活、1M 上下文这些指标第一次出现。6 月 30 日的发布博客已经讲过这些。2 新信息在于，美团开始把「能训出来」往「别人能部署、能复测、能改推理栈」推进。

7 月 12 日公告列出的开放入口有三类：模型权重，GPU / NPU 推理代码，以及 API 平台。权重入口包括 Hugging Face、GitHub 和 ModelScope；推理代码分为 GPU 侧的 SGLang 支持和 NPU 侧的 SGLang-FluentLLM 分支。1

这里的关键不是多放了几个链接，而是开源层级变深了。Hugging Face 模型卡写明，LongCat-2.0 可以在 GPU 和 NPU 平台部署，模型权重采用 MIT License，并提供聊天模板。3 GitHub 仓库也把 README、LICENSE 和部署说明放出来，页面显示主仓库已有公开提交记录。4

对开发者来说，这比单纯宣布 benchmark 更有用。模型能不能进入真实测试清单，取决于三件事：权重是否能拉下来，推理框架是否能跑起来，长上下文和 MoE 路由在自己的硬件上是不是还能稳定。7 月 12 日的公告，至少开始把这三个问题摆到台面上。

LongCat-2.0 之前已经把「国产算力训练」讲得很重：团队称从 2023 年开始探索国产算力，最终在五万卡集群上完成全流程训练与推理；预训练数据超过 30T tokens，训练 MFU 提升 1.5 倍，稳态日吞吐超过 1T tokens/day。2

7 月 12 日的新公告把焦点转向推理。官方说，面对显存、带宽和互联限制，LongCat-2.0 从模型、芯片适配和部署策略三个方向做协同优化。模型层面包括 absorb 计算模式、Indexer 与 MLA prolog 并行处理、KVP 切分 KV-cache，以及让 Dense 和 MoE 分支在物理核心级并行的 ScMoE。1

这段话的含义很具体。万亿 MoE 推理的瓶颈不只是「算得多」，还包括 KV-cache 放不下、专家并行通信慢、长上下文 prefill 太重、decode 阶段单卡显存压力高。官方提到的 KVP 切分、layer-wise KV-cache 传输、Weight Prefetch、Super Kernel 和异步化 Expert-Parallel Load Balancing，都是在减少等待、搬运和负载不均。1

PD 分离部署也值得看。P 指 prefill，负责处理长输入；D 指 decode，负责逐 token 生成。公告说 Prefill 端通过缩小 Expert-Parallel 域和序列并行分担长序列计算压力，Decode 端用 KV-cache 切分和高并行度降低单卡显存占用。1 换成工程语言，就是先把「首 token 等多久」和「后续每个 token 多慢」拆开，再分别压延迟。

LongCat-2.0 的模型侧三件事仍然是 LongCat Sparse Attention、N-gram Embedding 和 MOPD。7 月 12 日公告的不同之处，是把它们和国产卡部署绑定在一起讲。

LSA 面向智能体任务里的长输入。公告说它通过流感知索引、跨层索引和层级化索引，减少碎片化访存和重复索引计算，在保持模型质量的前提下加速百万级长上下文训练与推理。1 这不是一个只服务榜单的模块。代码 Agent 读仓库、看日志、查文档时，长上下文里的大量 token 只是候选信息，模型必须快速找出哪一段值得看。

N-gram Embedding 则是在 MoE 专家之外扩参数。公告称，在 MoE 稀疏度接近 97% 的情况下，把 135B 参数投入 N-gram Embedding 的收益高于继续扩充专家，且该模块占总参数比例控制在 10% 以内。1 这说明 LongCat-2.0 并不只是把专家堆大，而是在 token 级表示上另开一条稀疏参数路径。

MOPD 负责后训练融合。公告说 LongCat-2.0 将专家分成 Agent、推理和交互三类，通过多教师在线蒸馏融合到最终模型中，分别覆盖自主执行、自适应推理和安全对齐等能力。1 这也解释了它为什么一直把 Agentic Coding 放在最前面：代码任务需要会写、会查、会跑、会修，还要能按人类指令交付。

这张表里的最后一列，比官方分数更值得盯。LongCat-2.0 在 SWE-bench Pro、SWE-bench Multilingual、Terminal-Bench 2.1 等任务上的成绩，6 月 30 日已经披露过。2 7 月 12 日之后，问题变成：这些成绩背后的模型和推理栈，能不能在美团之外被跑起来。

第一，看你是否真的需要 1M 上下文和代码 Agent。LongCat-2.0 的定位不是轻量聊天，也不是只回答单轮问题。它适合被放进仓库迁移、长日志排查、SQL Agent、内部工具自动化这类任务里测试。没有长输入、工具调用和执行反馈，很多架构优势会被闲置。

第二，分开评估模型和系统。LongCat-2.0 的一部分价值来自模型结构，另一部分来自推理栈：PD 分离、KV-cache 切分、专家并行、MTP、多精度部署。只把权重拿到常规框架里跑短任务，未必能测到官方强调的长链路能力。

第三，用自己的硬件复测。公告里最有现实意义的说法，是「盘活更多存量国产算力」。1 这句话不能靠发布稿证明，只能靠外部开发者在不同卡型、不同上下文长度、不同并发压力下复现。

LongCat-2.0 的 7 月 12 日更新，把一个模型发布推进成了部署问题。下一步最该看的不是它还能多刷几个代码榜单，而是第三方能否用公开权重和公开推理代码，在自己的机器上稳定跑完一个真实代码 Agent 任务。