Meituan LongCat-2.0: Model AI 1.6 Trilion Parameter yang Dilatih Sepenuhnya pada Cip Domestik China

Spesifikasi Teknikal

• Seni Bina: Mixture-of-Experts (MoE) dengan jumlah kapasiti 1.6 trilion parameter, tetapi hanya ~48 bilion diaktifkan setiap token (kepakaran ~97%) .
• Tetingkap konteks: 1 juta token, diaktifkan oleh mekanisme LongCat Sparse Attention (LSA) tersuai yang berevolusi daripada reka bentuk perhatian jarang DeepSeek .
• Julat parameter aktif: 33B–56B setiap token melalui penghalaan 'Zero-Compute Expert' dinamik, memastikan tiada pengiraan terbuang .
• N-gram Embedding: Tambahan ~135 bilion parameter dalam lapisan embedding, menggunakan n-gram 2 hingga 5 aksara untuk meningkatkan perwakilan konteks setempat tanpa menambah lebih banyak lapisan MoE .
• Tujuan khusus: Pengekodan agentik — pemahaman, penjanaan, dan pelaksanaan kod dalam senario penggunaan alat dunia sebenar .
• Infrastruktur latihan: Dilatih dari awal pada 50,000–60,000 ASIC AI buatan China (bukan GPU Nvidia), menggunakan lebih 35 trilion token teks Bahasa Cina, Inggeris, pelbagai bahasa, dan kod sumber .
• Lesen: Dilepaskan di bawah lesen sumber terbuka MIT .
• Ketersediaan: Pemberat dan kod diterbitkan di GitHub, Hugging Face, dan laman web rasmi LongCat; juga boleh diakses melalui API dan demo dalam talian .

Prestasi dan Penanda Aras

Meituan mendakwa LongCat-2.0 mencapai prestasi setanding dengan Google Gemini 3.1 Pro . Sebelum pelancaran rasmi, model ini beroperasi tanpa nama sebagai 'Owl Alpha' di OpenRouter, di mana ia dilaporkan menduduki tangga teratas penanda aras pengekodan pembangun .

Skor penanda aras utama yang diterbitkan oleh pasukan LongCat di X termasuk: Terminal-Bench 2.1: 70.8, SWE-bench Pro: 59.5 (GPT-5.5 pada 58.6 untuk perbandingan), SWE-bench Multilingual: 77.3, dan FORTE: 73.2 .

Kepentingan Strategik

LongCat-2.0 membawa implikasi yang melangkaui skor penanda aras:

• Model trilion parameter pertama yang dilatih hujung-ke-hujung pada cip domestik China, dari latihan awal hingga inferens dan penggunaan — satu pencapaian yang tidak dapat dicapai oleh DeepSeek-V4-pro, yang hanya bergantung pada perkakasan domestik untuk inferens .
• Menunjukkan keupayaan China untuk mencapai keupayaan AI hampir sempadan tanpa akses kepada GPU Nvidia yang canggih, yang tertakluk kepada sekatan eksport AS .
• Isyarat potensi pemisahan pembangunan AI China daripada rantaian bekalan perkakasan AS, dengan implikasi untuk pasaran cip AI global dan persaingan teknologi geopolitik .
• Bagi Meituan secara khusus, ia meletakkan gergasi penghantaran makanan dan perkhidmatan tempatan sebagai penyumbang serius kepada model asas AI sumber terbuka, sama seperti langkah oleh Alibaba (Qwen) dan ByteDance .

Inovasi Seni Bina Utama

LongCat-2.0 memperkenalkan dua penambahbaikan seni bina yang ketara berbanding pendahulunya, LongCat-Flash:

1. LongCat Sparse Attention (LSA): Evolusi mekanisme perhatian jarang DeepSeek (DSA), LSA menangani kesesatan kependaman dalam indeks melalui tiga pengoptimuman kecekapan bebas: indeks sedar aliran, indeks merentas lapisan, dan indeks hierarki — direka untuk mempercepatkan pemprosesan konteks panjang tanpa mengorbankan kualiti model .

2. MOPD (Multi-Objective Process Decoding): Model ini mengatur pakarnya kepada tiga kumpulan khusus — Agent, Reasoning, dan Interaction — dengan penghala get yang mengarahkan setiap token ke kumpulan yang sesuai berdasarkan jenis tugas .

Ketersediaan dan Akses

Pembangun dan penyelidik boleh mengakses LongCat-2.0 di bawah lesen MIT yang permisif. Pemberat model, kod inferens, dan dokumentasi tersedia di GitHub, Hugging Face, dan laman web rasmi LongCat. API dan demo dalam talian interaktif turut disediakan .