لقد أطلق سراح ميتوان لونج كات-2.0، نموذج لغة واسع النطاق لمزيج الخبراء (MoE). يحمل 1.6 تريليون مجموع المعلمات وينشط حول 48 مليار لكل رمز. يستهدف النموذج الترميز الوكيل: فهم التعليمات البرمجية وإنشاءها وتنفيذها داخل سير عمل الوكيل.
تبرز حقيقتان. أولاً، يدعم LongCat-2.0 اللغة الأصلية نافذة سياقية بمليون رمز مميز. ثانيًا، استمر كل من التدريب والخدمة بشكل كامل Superpods AI ASIC المحلية.
ما هو LongCat-2.0؟
LongCat-2.0 هو نموذج مفتوح من الجيل التالي من تريليون معلمة من Meituan. إنه يتبع LongCat-Flash، وهو نموذج 560B تم إصداره في عام 2025. وقد تم تصميم البنية حول هدف واحد: التشفير الفعال والموثوق.
امتد التدريب المسبق لأكثر من 35 تريليون رمز على مدى ملايين ساعات التسريع. أبلغت Meituan عن عدم وجود تراجعات أو زيادات في الخسائر غير القابلة للاسترداد أثناء التشغيل. إن مطالبة الاستقرار هذه مهمة بالنسبة للأجهزة غير التابعة لـ Nvidia، حيث تكون الأدوات أقل نضجًا.
الهندسة المعمارية: كيف يظل طراز 1.6T رخيصًا في التشغيل
يجمع التصميم بين أربع أفكار تقلل من تكلفة الحجم. كل واحد يستحق الفهم من تلقاء نفسه.
- خبراء الحساب الصفري: ليس كل رمز يحتاج إلى حوسبة ثقيلة. الرموز البسيطة مثل علامات الترقيم تتجه إلى خبير الحساب الصفري وتعود دون تغيير. تعمل الرموز المعقدة على جذب المزيد من قدرات الخبراء. تقوم وحدة التحكم PID بضبط انحياز الخبراء للاحتفاظ بالمتوسط في النطاق. وينتج عن ذلك نافذة التنشيط الديناميكي 33B–56B بدلاً من التكلفة الثابتة. يستخدم العمود الفقري لوزارة البيئة تصميمًا متصلاً بالاختصار (ScMoE) لزيادة الإنتاجية.
- انتباه القط الطويل المتناثر (LSA): يتم قياس الاهتمام القياسي بشكل تربيعي مع طول السياق. يختار LSA فقط الرموز المميزة الأكثر صلة، مما يجعل المقياس أقرب إلى الخطي. يصفه Meituan بأنه تطور لـ DeepSeek Sparse Attention (DSA). إنها طبقات ثلاث طرق فهرسة متعامدة. تعمل الفهرسة المتدفقة على تحويل قراءات الذاكرة المجزأة إلى كتل متجاورة. تعمل الفهرسة عبر الطبقات على إعادة استخدام وضوح الانتباه عبر الطبقات المجاورة. تطبق الفهرسة الهرمية التصفية على مرحلتين من الخشن إلى الناعم. معًا يدعمون نافذة 1M-token بدون جدار ذاكرة.
- تضمين N-gram: يضيف التصميم وحدة تضمين N-gram ذات 135 مليار معلمة. وهو متعامد مع خبراء وزارة التربية والتعليم بأبعاد متفرقة. تقول شركة Meituan إنها تلتقط علاقات رمزية محلية كثيفة. كما أنه يقلل من عمليات الإدخال/الإخراج للذاكرة أثناء فك تشفير الدفعات الكبيرة.
- ما بعد التدريب (MOPD): يدمج خط الأنابيب المخصص (MOPD) ثلاث مجموعات من خبراء المعلمين. تغطي هذه القدرات الوكيل والتفكير والتفاعل في نموذج واحد موحد.
للخدمة، تستخدم Meituan مخططًا متوازيًا سداسي الأبعاد وبنية مفصلة لفك التشفير المسبق. كما أنها تستخدم “النوى الفائقة” والجلب المسبق لوزن ذاكرة التخزين المؤقت L2 لإخفاء زمن وصول الإدخال/الإخراج.
المعايير
تضع Meituan LongCat-2.0 كنموذج ترميز وكيل. كل رقم أدناه يأتي من اختبار Meituan الخاص.
| المعيار | لونج كات-2.0 | ما يقيسه |
|---|---|---|
| سوي-مقاعد برو | 59.5 | مهام هندسة البرمجيات في العالم الحقيقي |
| المحطة الطرفية 2.1 | 70.8 | التنفيذ واستعادة الأخطاء في الأصداف |
| سوي-مقاعد متعددة اللغات | 77.3 | مهام مستودع عبر اللغات |
على SWE-bench Pro، أبلغت Meituan عن LongCat-2.0 متفوقًا على GPT-5.5 (58.6). تدعي Meituan أيضًا أن الأداء العام يمكن مقارنته بـ Gemini 3.1 Pro من Google. تتركز الحافة المبلغ عنها في هندسة البرمجيات. في معايير الوكيل العام الأوسع مثل FORTE وBrowseComp، تشير التغطية إلى أنها تتبع الأنظمة الحدودية الرائدة. تأكيد المتصدرين المستقلين غير متوفر بعد.
LongCat-2.0 مقابل LongCat-Flash
القفزة عن الجيل السابق كبيرة على الورق. يستخدم هذا الجدول المواصفات المنشورة لكل نموذج.
| يصف | لونج كات-2.0 | LongCat-فلاش |
|---|---|---|
| مجموع المعلمات | 1.6 طن | 560 ب |
| نشط لكل رمز مميز | ~48ب (33ب-56ب) | ~27ب (18.6ب–31.3ب) |
| نافذة السياق | 1 مليون رمز (أصلي) | 128 ألف رمز |
| الاهتمام بالسياق الطويل | LongCat اهتمام متفرق | الاهتمام الكامن متعدد الرؤوس |
| الأجهزة المبلغ عنها | وحدات التشغيل الفائقة المحلية AI ASIC (التدريب + التقديم) | وحدات معالجة الرسومات H800 (تم الإبلاغ عن الاستدلال) |
| ماكس الناتج | 128 ألف رمز | غير محدد |
| رخصة | معهد ماساتشوستس للتكنولوجيا | معهد ماساتشوستس للتكنولوجيا |
| مطلق سراحه | 30 يونيو 2026 | سبتمبر 2025 |
| الأوزان | قريباً | يفتح |
استخدام الحالات مع الأمثلة
تم ضبط LongCat-2.0 للعمل البرمجي على نمط الوكيل، وليس للدردشة غير الرسمية. بعض الأنماط الملموسة تناسب نقاط قوتها.
- المنطق المستودع كله: قم بإدخال قاعدة بيانات متوسطة الحجم بالكامل في نافذة رمز 1M. اطلب من النموذج تتبع الخلل عبر العديد من الملفات في وقت واحد. يؤدي هذا إلى تجنب عمليات الاختراق التلخيصية التي تفرضها النوافذ الأقصر.
- المهام الطرفية متعددة الخطوات: قم بتشغيل النموذج داخل حلقة الوكيل مع الوصول إلى Shell. يمكنه تنفيذ الأوامر وقراءة الأخطاء وإعادة المحاولة حتى تمر المهمة. يستهدف التركيز Terminal-Bench 2.1 سير العمل هذا بالضبط.
- التعديلات على مستوى المستودع: اطلب إعادة بناء تشمل عدة وحدات واختبارات. يفكر النموذج في السياق الكامل قبل اقتراح تغييرات منسقة.
- الهجرة عبر اللغات: استخدم قوة SWE-bench Multilingual للمستودعات متعددة اللغات. يمكن للنموذج أن ينقل المنطق بين اللغات مع الحفاظ على السلوك.
تعمل هذه الأنماط داخل أحزمة الوكيل القياسية. وبالتالي يمكن لفرق التطوير اعتماد النموذج دون بناء أدوات جديدة.
كيفية الوصول إليه
يمكن الوصول إلى LongCat-2.0 من خلال منصة LongCat API. إنه يكشف عن نقاط النهاية المتوافقة مع OpenAI والمتوافقة مع الإنسان. النموذج موجود أيضًا على OpenRouter وفي أدوات مثل Claude Code وOpenClaw وOpenCode وCodex. الاستضافة الذاتية المحلية ليست ممكنة بعد، حيث أن الأوزان لا تزال معلقة.
تستخدم نقطة النهاية المتوافقة مع OpenAI معرف النموذج LongCat-2.0. الحد الأقصى لطول الإخراج هو 131072 رمزًا (128 كيلو بايت). يستدعي المقتطف أدناه نقطة نهاية إكمال الدردشة الموثقة.
# pip install openai
from openai import OpenAI
client = OpenAI(
api_key="YOUR_LONGCAT_API_KEY",
base_url="https://api.longcat.chat/openai/v1",
)
resp = client.chat.completions.create(
model="LongCat-2.0",
messages=[
{"role": "system", "content": "You are a coding agent."},
{"role": "user", "content": "Refactor utils.py to remove duplicate I/O logic."},
],
max_tokens=4096, # LongCat-2.0 supports up to 131072 (128K)
)
print(resp.choices[0].message.content)تم الإبلاغ عن السعر عند 0.75 دولارًا أمريكيًا لكل مليون رمز إدخال و2.95 دولارًا أمريكيًا لكل مليون ناتج. يسرد العرض الترويجي للإطلاق 0.30 دولارًا أمريكيًا و1.20 دولارًا أمريكيًا، مع قراءة السياق المخبأ مجانًا. تأتي هذه الأرقام من تغطية طرف ثالث وقد تتغير.
الشرح التفاعلي