6月30日消息，美团发布 LongCat-2.0，总参数 1.6T、激活参数约 48B 的 MoE 模型，原生支持 1M 上下文窗口。该模型以 Owl Alpha 名义在 OpenRouter 匿名运行近两个月，日活跃居全球前三，月活在 Hermes Agent 排名第一。SWE-bench Pro 得分 59.5，超越 GPT-5.5 的 58.6；Terminal-Bench 2.1 得分 70.8。 三大技术亮点：LongCat Sparse Attention 长上下文注意力、Zero-Compute Experts 零浪费激活、MOPD 任务路由专家分组。训练在 5-6 万张国产 AI 芯片上完成，全程无 NVIDIA GPU 参与。上线促销价 50M Token 仅 1.9 美元，缓存命中免费，未用额度可退款。
LongCat-2.0 是什么
LongCat-2.0 是美团推出的自研大语言模型，定位为 Agent 编程场景的专用推理引擎。它不是一个通用聊天模型，而是从架构设计到训练数据都围绕一个目标优化：让 AI Agent 在复杂、多步骤的编程任务中更可靠地执行。
这个模型还有一个不寻常的背景故事。在正式发布前，它以 Owl Alpha 的匿名身份在 OpenRouter 上运行了将近两个月，没有任何品牌背书和营销推广。结果它凭借实际表现积累了可观的用户量——日活跃量排进全球前三，月活跃量在 Hermes Agent 上排名第一、在 Claude Code 上第二、在 OpenClaw 上第三，月处理 Token 量超过 10 万亿。这种"先用产品说话再亮身份"的发布策略，在 AI 模型中并不多见。 三大核心技术
LongCat-2.0 的技术架构围绕 Agent 编程的三大需求设计：处理长上下文、精准激活计算资源、根据不同任务灵活调配能力。
LongCat Sparse Attention（LSA）是解决 1M 上下文窗口效率问题的关键。标准 Attention 机制在长序列下计算量随长度平方增长，LSA 通过稀疏化注意力模式，只在必要的位置之间建立注意力连接，使得模型在处理包含完整项目代码库的长上下文时，计算开销可控。可以类比为阅读代码时你不需要逐行重新扫描整个项目——你只关注当前修改范围内相关的函数和变量。
Zero-Compute Experts 机制则解决了 MoE 模型的常见浪费问题。传统 MoE 模型中，每个专家都占用相同的计算资源，但实际推理中每种任务需要的专家计算量并不相同。LongCat-2.0 的动态激活范围在 33B 到 56B 参数之间按需浮动，相当于一个团队在简单任务时只派出必要人手，复杂任务时再全员投入，而不是无论任务轻重都保持同一规模。
MOPD（Multi-Objective Partitioned Design）是模型的核心调度层，它将全部专家划分为三个专业组——Agent 专长组负责工具调用和代码执行，推理专长组处理复杂逻辑链，交互专长组管理用户意图理解。每个 Token 输入经过门控路由器判断后，只激活最匹配的专家组，而不是让所有专家都参与计算。这种设计在 Agent 编程场景中尤其有效，因为一个典型任务流中既有工具调用（Agent 组），也有逻辑验证（推理组），还有用户指令理解（交互组），不同阶段需要不同专业能力。
适用场景与效果边界
LongCat-2.0 在多项 Agent 和编程基准测试中表现出竞争力。SWE-bench Pro（软件工程评测）得分 59.5，超过 GPT-5.5 的 58.6；SWE-bench Multilingual 得分 77.3；Terminal-Bench 2.1 得分 70.8；在信息检索和浏览类测试中，FORTE 73.2、RWSearch 78.8、BrowseComp 79.9。
但基准测试只反映部分真相。在 Owl Alpha 匿名运行期间积累的真实使用数据才是更有说服力的指标。每天数万亿 Token 的实际调用量来自开发者路由 Agent 工作流的真实场景，不是 benchmark 优化出来的分数。
适用场景方面，LongCat-2.0 在以下场景表现突出：需要处理大代码库上下文的长链调试和重构、涉及多步骤工具调用的自动化工作流、以及需要在单次会话中处理大量文档的综合任务。社区用户的反馈显示，它在大型项目中的长上下文处理能力是其最显著的差异化优势。
效果边界也同样明确。与当前所有 Agent 编码模型一样，LongCat-2.0 需要经验丰富的开发者把控方向。在多步 Agent 循环中，它可能会出现代码膨胀、复制粘贴模式或忽略精细编码风格指令的情况。在超长周期的自动化任务中，有时会表现出过度谨慎或过度文档化自身决策的倾向。这说明 Agent 编程仍处于人机协作阶段——模型放大有经验的工程师的产出，但不能替代工程判断。
快速开始与资源
LongCat-2.0 已通过 OpenRouter 对外开放，你或许已经在不知情的情况下用过它（即此前匿名运行的 Owl Alpha）。同时也可通过美团官方渠道接入。 当前上线促销价格相当有竞争力。50M Token 仅需 1.9 美元，1B Token 价格为 59.9 美元（约 8 折）。缓存命中完全免费，未使用的额度可全额退款。
最直接的使用方式是通过你已有的 Agent 框架（如 Hermes Agent、Claude Code 或 OpenClaw）将模型路由到 OpenRouter 上的 LongCat-2.0。如果你此前一直在用 Owl Alpha，无需额外配置即可自动切换。更多演示、使用技巧和社区支持可在官方 Discord 上获取。 生态定位与战略意义
LongCat-2.0 的发布有两个值得关注的信号。
第一，它在国产芯片集群上完成训练——5 到 6 万张华为昇腾芯片，全程无 NVIDIA GPU。在当前出口管制背景下，这一能力意味着中国科技公司在 AI 训练基础设施上取得了实质性进展。不是因为芯片性能超越 NVIDIA，而是因为在可用替代方案上跑出了可用的模型权重。
第二，匿名声誉验证模式的可行性。Owl Alpha 在没有任何公司背书的情况下，靠 Agent 开发者的路由量走到了 OpenRouter 前列。这种模式可能改变 AI 模型的发布策略——不再是先开发布会再证明能力，而是先隐形上线、让实际使用数据说话。对于代理编程这类需要经得起真刀真枪检验的场景，这种方式的说服力可能比基准测试更高。
AI 速览
