A Meituan lançou o modelo de grandes dimensões LongCat-2.0 com biliões de parâmetros, o primeiro modelo com biliões de parâmetros a completar a formação de fluxo total num cluster de computação doméstico.

robot
Geração de resumo em curso

Notícias do TechFlow (Shenchao), 30 de junho, segundo comunicado oficial da Meituan, a Meituan lançou oficialmente o novo modelo de grande escala LongCat-2.0 e simultaneamente abriu o código-fonte. O modelo tem um total de 1.6T de parâmetros, sendo o primeiro da indústria a completar a formação e inferência de ponta a ponta num cluster de computação nacional de 50.000 cartões, suportando nativamente um contexto ultra-longo de 1M, focado principalmente na compreensão, geração e execução de código no cenário de Agentic Coding.

Em termos técnicos, o LongCat-2.0 adota o mecanismo de atenção esparsa LongCat Sparse Attention (LSA), reduzindo o custo computacional de texto longo de quadrático para linear; através do mecanismo de especialista de cálculo zero, realiza ativação dinâmica a nível de token (33B~56B); e introduz a arquitetura MOPD que funde três conjuntos de capacidades especializadas: Agente, Raciocínio e Interação. Quanto à eficiência de treino, a equipa passou três anos a resolver o problema de adaptação à computação nacional, reduzindo a taxa média de falhas diárias em mais de 70%, aumentando o MFU de treino em 1.5 vezes, com um rendimento diário estável superior a 1T tokens/dia.

Em termos de avaliação de desempenho, o LongCat-2.0 obteve uma pontuação de 59.5 no SWE-bench Pro, superando o Gemini 3.1 Pro (54.2), o GPT-5.5 (58.6) e o Claude Opus 4.6 (57.3); no BrowseComp obteve 79.9 pontos, atingindo o nível dos modelos fechados de ponta.

Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
  • Recompensa
  • Comentar
  • Republicar
  • Partilhar
Comentar
Adicionar um comentário
Adicionar um comentário
Nenhum comentário
  • Fixado