Компания Meituan представила LongCat-2.0 — открытую модель MoE с 1,6 трлн параметров и приблизительно 48 млрд активных параметров на токен. Она предназначена для работы с длинным контекстом, кодом, репозиториями и многошаговыми задачами.
LongCat-2.0 уже доступна через API LongCat. Также модель можно использовать на платформах GitHub, Hugging Face и OpenRouter. Дополнительные детали можно найти в публикации Postium.
Читайте также: Как загрузить и установить Codex на ПК
Нейросеть LongCat-2.0: что она умеет и как функционирует
LongCat-2.0 основана на MoE-архитектуре: в ней работает множество экспертных блоков, однако при генерации каждого токена активируется лишь часть параметров. Общая величина модели составляет 1,6 трлн параметров, а активная часть — около 48 млрд. Это позволяет снизить вычислительные затраты по сравнению с полным запуском модели.
Модель была обучена для обработки длинного контекста. LongCat утверждает, что её контекстное окно достигает 1 млн токенов, и обучение проводилось на сотнях миллиардов токенов такой длины. Это необходимо для сценариев, в которых модель анализирует не отдельный запрос, а целый репозиторий, документацию, исследование или набор рабочих файлов.
Для работы с длинным контекстом в LongCat-2.0 был внедрен механизм LongCat Sparse Attention. Вместо равномерной обработки всего окна, модель выделяет наиболее значимые части входных данных через индексатор. Внутри используются алгоритмы streaming-aware indexing, cross-layer indexing и hierarchical indexing. Проще говоря, модель быстрее находит необходимые фрагменты длинного текста и повторно использует часть вычислений между слоями.
Еще одно обновление — N-gram Embedding. Данный модуль увеличивает пространство эмбеддингов примерно в 100 раз за счет комбинаций токенов. В LongCat-2.0 на него приходится 135 млрд параметров. Это позволяет модели лучше сохранять локальные связи в тексте и коде.
Основное направление LongCat-2.0 — разработка с ИИ-агентами. Модель можно использовать в Claude Code, OpenClaw и Hermes, где она читает файлы, вызывает инструменты, изменяет код и выполняет задания в несколько шагов. Например, по текстовому запросу она может создать веб-приложение: спроектировать архитектуру, написать игровую логику и подготовить интерфейс.
Кроме работы с кодом, LongCat-2.0 предназначена для анализа данных, исследовательских задач с ИИ-агентами, создания баз знаний, разработки презентаций и работы с длинными текстами. В таких случаях модель получает запрос на естественном языке, планирует последовательность действий, ищет или структурирует материалы и возвращает результат.
На бенчмарках LongCat демонстрирует результаты: 70.8 на Terminal-Bench 2.1, 59.5 на SWE-bench Pro, 77.3 на SWE-bench Multilingual, 73.2 на FORTE, 78.8 на RWSearch и 79.9 на BrowseComp.
Как использовать
Для работы через API необходимо зайти на платформу LongCat, создать API Key и подключить модель к своему приложению или агентной среде. На платформе предусмотрены оплата по факту использования и пакеты токенов.
В начале доступны пакеты: 50 млн токенов за $1.9 и 1 млрд токенов за $59.9. Попадания в кэш не вычитаются из пакета. Пакеты действительны в течение 30 дней, и неиспользованные токены можно вернуть. Если пакет исчерпан, система автоматически переключится на оплату по фактическому расходу.
Почему это имеет значение? LongCat-2.0 ориентирована на тот же класс задач, где в настоящее время соревнуются ИИ-агенты для разработки: работа с большими репозиториями, длинной документацией, вызов инструментов, редактирование файлов и проверка результатов. Для разработчика критически важно, чтобы модель не только отвечала в чате, но и учитывала весь проект и доводила задачу до рабочего состояния.
Итог: Meituan выпустила открытую модель LongCat-2.0 для разработки и сценариев с агентами. Она поддерживает контекст до 1 млн токенов, использует архитектуру MoE и предназначена для работы с крупными репозиториями, документацией и многошаговыми задачами.
