LongCat 大模型
LongCat-2.0 总参数 1.6T，平均激活约 48B，动态范围 33B~56B，原生支持 1M 超长上下文，面向 Agentic Coding 任务，并在五万卡国产算力集群上完成全流程训练与推理。
官方说明 ↗
价格官网未标价
平台Web
归类其他 AI 工具
收录2025-01-01
复核2026-07-24
编辑评分
4.3 / 5
★★★★☆
美团技术团队编辑总结
美团技术团队博客是美团对外发布技术进展的窗口，内容集中在 LongCat 系列大模型、Agent 评测、搜索推荐算法与顶会论文解读。博客披露了 LongCat-2.0 的关键参数：总参数 1.6T、平均激活约 48B、动态范围 33B~56B，可在五万卡国产算力集群上完成全流程训练与推理，原生支持 1M 超长上下文。团队还开源了 LoHoSearch、VitaBench 2.0、General 365、WBench 等多个评测基准，其中 LoHoSearch 基于 762 万维基百科实体的知识图谱生成 544 道人工核验题目。短板在于博客以研究成果发布为主，未公开模型调用价格与面向开发者的接入方式。
美团技术团队是什么？
美团技术团队博客由美团技术团队运营，用于对外发布公司在人工智能、搜索推荐、算法等方向的技术实践与研究成果。内容既有面向工程落地的方法论总结，也有面向学术前沿的论文解读。
现阶段博客的核心主线是大模型与智能体。LongCat-2.0 是团队正式发布的万亿参数模型，总参数 1.6T，平均激活约 48B，动态范围 33B~56B，原生支持 1M 超长上下文，为 Agentic Coding 任务设计，并在五万卡国产算力集群上完成全流程训练与推理。围绕这一模型，团队还开源了 LongCat-Video-Avatar 1.5 数字人视频模型、CatPaw 全场景 AI Agent 平台，以及多个评测基准。
对普通读者，这里是了解美团 AI 技术路线的公开渠道；对研究者与工程师，博客提供论文精讲、数据集与开源代码说明；对企业技术决策者，可借此判断美团在大模型与 Agent 方向上的能力边界。
美团技术团队核心功能
LongCat 开源模型
同步开放国产卡推理代码，LongCat-Video-Avatar 1.5 数字人视频模型在唇形同步、物理合理性、长视频稳定性、多人互动与高效推理上实现提升。
官方说明 ↗Agent 评测体系
发布《Agent 评测白皮书》系列，分评测全览、冷启动篇、扩量篇、自进化篇共 4 篇，并在 31 万行代码 AI 重构实践中总结约束 AI 的方法。
官方说明 ↗评测基准开源
开源 LoHoSearch、VitaBench 2.0、General 365、WBench 等多个基准。LoHoSearch 以覆盖 762 万维基百科实体的知识图谱自动出题，收录 544 道人工核验题目，覆盖 11 个领域。
官方说明 ↗搜索推荐算法
美团搜索 3.0 依托团垂融合新架构与生成式大模型重构本地生活搜索底座，聚焦 LLM 语义表征在服务零售排序场景的三期实践，探索跨场景迁移复用。
官方说明 ↗论文解读专栏
持续解读 ACL、ICML、KDD、SIGIR 等顶会收录论文。2026 年精选 32 篇进行 5 大专场直播，KDD 2026 收录 8 篇，覆盖推荐大模型、生成与奖励建模、智能体搜索等方向。
官方说明 ↗多模态与数字人
发布原生多模态 LongCat-Next，让视觉和语音成为 AI 的母语；美团智播围绕 AI 主播构建技术闭环，支持真人 1:1 复刻、换装换背景与万路并发开播。
官方说明 ↗美团技术团队值不值得用？
当你需要跟踪国产大模型在万亿参数规模上的工程进展时，这个博客值得定期读：LongCat-2.0 的总参数 1.6T、平均激活约 48B、五万卡国产算力集群全流程训练等数字都直接公开，LoHoSearch 这类基准还给出了 GPT-5.5 准确率 34.74% 的实测结果。当你要找可直接调用的模型 API 或想对比商业定价时，这里不适合：博客是研究成果发布渠道，未公开调用价格与开发者接入方式。对研究者和算法工程师，论文解读与开源代码说明信息密度高；对只想找一个现成 AI 产品的普通用户，内容偏技术，落地指引有限。
建议选它的情况
- 想跟踪国产算力训练万亿参数模型的工程进展
- 需要 Agent 评测方法论与可复现的评测基准
- 算法工程师需要顶会论文解读与开源代码说明
不建议选它的情况
- 想直接调用模型 API 或比较各家商业定价
- 需要面向普通用户的产品使用教程
美团技术团队使用建议
入门先把路子走对
- 先读 LongCat 发布文从 LongCat-2.0 正式发布一文入手，快速掌握 1.6T 总参数、48B 平均激活、1M 上下文等核心指标。
- 按标签筛内容文章带「LongCat」「开源」「论文解读」「搜索推荐」等标签，按标签筛选比逐篇翻列表快。
- 从白皮书系列入门先读《Agent 评测白皮书》系列第一篇《评测全览》，建立 Agent 评测的整体框架再进细节。
进阶省时间也省钱
- 关注基准实测数据LoHoSearch 给出 GPT-5.5 准确率 34.74%、DeepSeek-V4-Flash 在 BrowseComp 58.84% 对 LoHoSearch 10.02% 的对比，选型时可作参考。
- 盯开源基准迭代LoHoSearch、VitaBench 2.0、General 365、WBench 均为开源基准，关注版本更新可获得难度更高的评测集。
- 结合论文直播回放32 篇顶会论文分 5 大专场直播，回放配合原论文阅读，比只看论文摘要理解更快。
- 跟踪开源代码仓库国产卡推理代码、海报生成 AIGC、多个评测基准均已开源，可直接复现文中实验设置。
美团技术团队适合谁用？
算法与大模型工程师
推荐博客给出 LongCat-2.0 的架构细节、动态激活范围与国产算力训练方案，可直接借鉴工程实现。
Agent 评测研究者
推荐白皮书系列与 LoHoSearch、VitaBench 2.0 等开源基准提供可复现的评测设计与实测数据。
高校与科研人员
推荐ICML、ACL、KDD 等顶会论文精选与解读集中发布，适合快速跟进美团研究方向。
企业技术决策者
有条件可据此判断美团在大模型与 Agent 上的能力边界，但博客不提供商用授权与合作接入说明。
寻找现成 AI 产品的普通用户
不推荐内容以研究发布为主，未公开模型调用价格与接入方式，难以直接落地为日常工具。
美团技术团队优点和缺点
优点
- LongCat-2.0 公开总参数 1.6T、平均激活约 48B 等完整规格
- 业界首个在五万卡国产算力集群完成全流程训练与推理
- 开源多个评测基准，LoHoSearch 含 544 道人工核验题目
- 《Agent 评测白皮书》分 4 篇覆盖从冷启动到自进化的落地路径
- 顶会论文解读密集，2026 年精选 32 篇并做 5 大专场直播
缺点
- 未公开模型调用价格与开发者接入方式
- 内容以研究成果为主，面向普通用户的产品教程较少
- 部分评测结论仅覆盖内部场景，外部复现门槛较高
美团技术团队关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| LongCat-2.0 总参数 | 1.6T | 美团 LongCat-2.0 正式发布 |
| LongCat-2.0 平均激活 | 约 48B | 美团 LongCat-2.0 正式发布 |
| LongCat-2.0 动态范围 | 33B~56B | 美团 LongCat-2.0 正式发布 |
| LongCat-2.0 上下文长度 | 1M | 美团 LongCat-2.0 正式发布 |
| 国产算力集群规模 | 五万卡 | 美团 LongCat-2.0 正式发布 |
| LoHoSearch 知识图谱实体数 | 762 万 | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| LoHoSearch 知识图谱有向边数 | 2.65 亿 | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| LoHoSearch 题目数 | 544 道 | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| LoHoSearch 覆盖领域 | 11 个 | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| GPT-5.5 在 LoHoSearch 准确率 | 34.74% | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| DeepSeek-V4-Flash 在 BrowseComp 准确率 | 58.84% | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| DeepSeek-V4-Flash 在 LoHoSearch 准确率 | 10.02% | 下一代搜索智能体评测基准！美团开源 LoHoSearch |
| Gemini 3 Pro 在 General 365 准确率 | 62.8% | 美团 LongCat 开源 General 365 |
| AI 重构代码量 | 31 万行 | 用Agent评测思路管理AI Coding |
美团技术团队常见问题
美团 LongCat-2.0 是什么规格的模型？＋
总参数 1.6T，平均激活约 48B，动态范围 33B~56B，原生支持 1M 超长上下文，从零开始预训练，为真实 Agentic Coding 任务设计，是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。
这些模型和基准开源吗？＋
LongCat-2.0 同步开放国产卡推理代码，LoHoSearch、VitaBench 2.0、General 365、WBench 等多个评测基准也已开源，海报生成 AIGC 技术体系同样全部开源。
LoHoSearch 基准和 BrowseComp 有什么区别？＋
BrowseComp 由人工设计题目，只能基于标注者已知的实体和关系构思。LoHoSearch 以覆盖 762 万维基百科实体的知识图谱自动出题，包含 544 道经人工核验的题目、覆盖 11 个领域，难度显著更高：GPT-5.5 准确率仅 34.74%。
博客里的评测数据可以用来对比模型吗？＋
可以，但要注意口径。例如 DeepSeek-V4-Flash 在 BrowseComp 上准确率 58.84%，在 LoHoSearch 上仅 10.02%；解一道 LoHoSearch 题平均工具调用从 35 次增至 61 次。这些数字反映的是特定基准下的表现，跨基准直接比较需要谨慎。
国内用户能访问吗？＋
站点为 tech.meituan.com，是美团官方技术博客的中文站点，内容为中文发布。是否有其他语言版本或镜像站点，博客未说明。
普通开发者能拿这些模型做产品吗？＋
博客披露了模型规格与开源代码，但未公开模型调用价格、授权范围与商业化接入方式。若计划用于产品，需要另行确认授权与接入条件。
美团技术团队最新动态
-
开源 LoHoSearch 基准
基于 762 万维基百科实体知识图谱自动出题，544 道人工核验题目覆盖 11 个领域，GPT-5.5 准确率 34.74%。
官方公告 ↗
