产品介绍
LongCat-2.0 是一款采用 MIT 许可证的 1.6T 参数混合专家（MoE）模型，每个 token 激活约 48B 参数，支持 100 万上下文长度，采用 LongCat 稀疏注意力机制，并针对编程和 agent 工作流进行了后训练优化。该模型在 AI ASIC 超级计算集群上完成训练，并已集成 Claude Code、OpenClaw 和 Hermes。
适合谁关注
- 开发者和技术团队
- 正在评估 AI 工具或智能体落地的团队
可借鉴场景
- 快速理解 LongCat-2.0 的定位、核心能力和 Product Hunt 热度
- 判断“完全基于 AI ASIC 训练的 1.6T 参数 MoE 模型”这类需求是否值得做竞品调研
- 沿着 开发者工具、AI 与智能体 继续发现同类产品和替代方案
- 筛选高票产品，观察海外用户当前愿意投票支持的产品形态
- 结合评论热度，判断该产品是否有真实讨论和早期用户反馈
135
投票数
28
评论数
7月7日
发布日期
作者自荐
总结
LongCat-2.0 最大的亮点不仅在于模型本身的规模和性能，更在于它验证了完全脱离英伟达 GPU 生态、使用 AI ASIC 专用芯片训练万亿级参数模型的可行性。在当前 GPU 供应紧张、算力成本居高不下的背景下，这一技术路线具有重要的战略意义。模型采用 MoE 架构，以 48B 激活参数实现高效推理，100 万上下文窗口在长文档处理和复杂 agent 工作流中具备显著优势。MIT 开源许可证降低了商业化门槛，与 Claude Code 等主流工具的集成也提升了实用性。关键挑战在于：ASIC 训练基础设施的可复现性和社区生态的构建速度，能否与英伟达主导的开源模型生态形成有效竞争，仍有待观察。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好！ LongCat-2.0 是一个 1.6T 参数的 MoE 模型，每个 token 激活约 48B 参数，支持 100 万上下文长度，权重以 MIT 许可证开源。 但它并非以传统依赖英伟达硬件的方式训练。整个训练过程基于 AI ASIC 超级计算集群完成，使用超过 35T token 的数据，期间未发生回滚或不可恢复的损失值突增。 训练一个万亿级参数模型本身已经很难。在替代硬件上保持训练过程的稳定性，或许才是这里更值得关注的故事 🤔