7月6日，美团宣布其新一代万亿参数大模型LongCat-2.0正式开源。该模型基于AI训推一体全功能GPU智算卡MTT S5000及MUSA软件栈，已在MTT S5000上实现稳定、高效的推理运行。LongCat-2.0专为Agentic Coding场景设计，原生支持1M超长上下文，通过自研稀疏注意力机制和零计算专家动态激活机制，实现了资源的高效利用与多任务协同。综合评测结果显示，LongCat-2.0在Code和General Agent场景表现优异，已跻身全球最受开发者欢迎的智能体核心大模型之一。
--91likeyou---
作为美团自研的新一代万亿参数 MoE 大模型，LongCat-2.0 总参数量达 1.6T（平均激活约 48B，动态范围 33B~56B）。
该模型专为 Agentic Coding 场景设计，原生支持 1M 超长上下文，并通过自研稀疏注意力机制（LSA）、ScMoE 跨层快捷连接架构与零计算专家动态激活机制，实现了资源的高效利用与多任务协同。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，已跻身全球最受开发者欢迎的智能体核心大模型之一。
摩尔线程技术团队依托高性能 SGLang-MUSA 推理引擎及 MUSA 软件生态，围绕 LongCat-2.0 的模型结构和推理特性，快速完成从框架兼容到性能优化的全链路适配。
硬件原生 FP8 加持，释放长上下文推理性能
LongCat-2.0 面向更复杂的任务处理需求，在实际部署中往往涉及长输入、多轮上下文、复杂指令分解和持续生成等推理负载，对 GPU 算力、显存容量、访存带宽和推理调度能力均提出更高要求。
MTT S5000 具备硬件级原生 FP8 加速能力，单卡具备高算力、大容量显存与高带宽，可为长上下文输入、KV Cache 读写和高并发推理提供稳定支撑。结合 SGLang-MUSA 推理引擎与 MUSA 软件栈的协同优化，LongCat-2.0 在 MTT S5000 上能够更充分释放推理性能，提升在线服务响应效率与系统吞吐能力。
摩尔线程基于持续沉淀的模型适配经验，将模型结构解析、权重加载、推理框架兼容、算子验证和部署测试形成标准化工程路径，使 LongCat-2.0 能够在 MTT S5000 上快速完成推理验证。这不仅进一步体现了 MUSA 软件栈对主流模型生态的高度兼容性，也有效降低了前沿模型在国产算力平台上的迁移和部署门槛。
服务 AI 应用落地，支撑 Coding、Agent 与企业知识场景
围绕 AI Coding、Agent 工作流、企业知识库问答和长文档分析等典型应用，摩尔线程对 LongCat-2.0 推理链路进行了部署级验证。通过框架、算子和调度层面的协同优化，MTT S5000 能够为客户提供兼具性能、稳定性和可扩展性的推理基础设施，助力大模型应用更快从技术验证走向生产部署。
此次完成 LongCat-2.0 模型 Day-0 支持，是国产大模型与国产芯片深度协同的又一重要实践。未来，摩尔线程将继续依托 MUSA 软件栈强大的生态兼容性，持续在第一时间适配前沿模型能力，以高性能、可规模化的国产全功能 GPU 基础设施，加速大模型应用创新落地。
🔥 热词：#LongCat · #MTT · #S5000 · #硬件原生FP8加持 · #摩尔线程完成美团LongCat · #Day · #极速适配 · #美团新一代万亿参数大模型