7月6日，美团宣布正式开源新一代万亿参数大模型 LongCat-2.0。LongCat-2.0从零开始预训练，原生支持 1M 超长上下文，旨在让模型在真实的 Agentic Coding 任务中，更高效、更稳定地完成代码理解、生成与执行。依托"自研GPU硬件+MXMACA全栈软件"的软硬一体技术优势，沐曦股份率先完成曦云 C 系列 GPU对LongCat-2.0 Day 0 深度适配。
LongCat-2.0代表国产大模型正式迈入工业级落地新阶段，对国产通用GPU的算力吞吐、显存容量、长文本推理、多卡协同调度等能力提出了极高要求。沐曦MXMACA 软件栈，是沐曦 GPU 从 "能用" 迈向 "好用" 的核心支点。沐曦曦云 C 系列依托自研高性能硬件架构，搭配深度打磨的 MXMACA 全栈异构计算平台，实现全生态无缝兼容、应用极低迁移成本，真正达成"发布即适配、上线即能用"。
曦云C系列GPU基于沐曦股份自主核心GPU IP打造，具备高能效比与高通用性，精准匹配大模型的超大规模参数处理及长上下文推理需求。MXMACA软件栈作为连接硬件算力与上层应用生态的核心枢纽，全链路覆盖底层驱动、用户态接口、MXCC编译器、算子深度适配及主流训练/推理框架对接，原生兼容 PyTorch、TensorFlow、vLLM与SGLang等 40 余种主流 AI 框架，支持 500+ AI 模型稳定运行，大幅缩短传统模型适配周期。
目前，沐曦股份已累计完成28个主流顶尖模型Day 0适配，合作覆盖美团、智谱AI、阿里千问、阶跃星辰、百度飞桨、DeepSeek等头部厂商，适配品类囊括通用语言、多模态、OCR、机器翻译，适配速度、数量、生态广度均位居前列。
未来，沐曦股份将持续迭代GPU硬件与全栈软件技术，深化与国内头部AI企业的生态协同，持续打通"国产芯片-国产大模型-产业落地"的完整闭环，以自主可控的高性能算力，助力AI产业高质量发展与算力国产化落地。
关于LongCat-2.0
LongCat-2.0 的架构设计始终围绕一个核心目标：让模型在真实 Agentic Coding 任务中更高效、更稳定地完成代码理解、生成与执行。
1M超长上下文，让 Agent 看见整个项目 。传统模型在处理超过 100K 上下文后就开始"遗忘"前面的内容。LongCat-2.0 采用 LongCat Sparse Attention（LSA）稀疏注意力机制，在处理长文本时不再"逐字逐句地看"，而是智能筛选关键信息，将计算量从平方级降至线性级。这使得模型在 100 万 Token 的超长上下文中，依然保持精准的信息定位与理解能力。
零计算专家 + ScMoE，让算力用在刀刃上。 代码任务中不同 token 复杂度差异巨大------定义变量名和推导递归算法对算力的需求完全不同。LongCat-2.0 通过零计算专家实现 token 级动态激活（33B~56B），简单 token 不消耗算力，复杂 token 自动获得更多计算资源。
MOPD 多专家融合，一个模型同时擅长写代码、做推理、懂交互。LongCat-2.0 通过 MOPD 架构融合 Agent、Reasoning、Interaction 三组专家能力------Agent Experts 专攻工具调用与自主纠错，Reasoning Experts 深耕数学与 STEM 推理，Interaction Experts 优化指令遵循与交互体验。推理时由门控网络根据任务类型动态调度最擅长的专家，而非简单合并参数。得益于此，模型在编程、推理、交互等维度均表现突出。
LongCat-2.0 通过精细的架构设计，让万亿参数模型在实际任务中更高效、更稳定地发挥能力。
综合评测结果显示，LongCat-2.0 凭借卓越的综合性能与稳定的任务表现，在Code 和 General Agent 场景表现优异。
在编程能力方面，LongCat-2.0 展现出扎实的综合实力：在考察深层工程能力的 SWE-bench Pro 中获得 59.5，领先Gemini 3.1 Pro（54.2）、 GPT-5.5（58.6）和 Claude Opus 4.6（57.3）；在 SWE-bench Multilingual 中取得 77.3 的成绩，与 Claude Opus 4.6（77.8）保持在同一水位；此外，在真实终端指令交互评测 Terminal-Bench 2.1 中取得 70.8，体现了其在真实运维与开发终端任务中的稳定执行与纠错能力。
在真实办公场景的复杂任务处理方面，LongCat-2.0 表现均衡：在搜索智能体评测集 RWSearch 中获得 78.8，在生产力场景评测集 FORTE 中获得 73.2 ，在 BrowseComp 中获得 79.9，均达到或接近前沿闭源模型水平，证明了其在多步骤任务规划、复杂工具调用及长程检索执行上的高可靠性，能够较好的契合企业级 Agent 的落地需求。
模型开源地址：
Github：https://github.com/meituan-longcat/LongCat-2.0
Huggingface：https://huggingface.co/meituan-longcat/LongCat-2.0