近日，美团新一代万亿参数大模型LongCat-2.0正式宣布开源。几乎同一时间，摩尔线程基于AI训推一体全功能GPU智算卡MTT S5000及MUSA软件栈，完成了对该模型的快速适配。

从模型加载、推理引擎拉起，到关键算子优化、部署验证与精度校验，全链路环节一气呵成。这意味着LongCat-2.0可以在MTT S5000上稳定、高效地运行，开发者和企业客户部署模型的路子更顺畅了。

LongCat-2.0模型在MTT S5000上运行

LongCat-2.0：万亿参数MoE大模型，专为Agentic Coding设计

作为美团自研的新一代万亿参数MoE大模型，LongCat-2.0总参数量达到1.6T（平均激活约48B，动态范围33B~56B）。它专为Agentic Coding场景设计，原生支持1M超长上下文。

模型自研了多项关键技术：

• 稀疏注意力机制（LSA）
• ScMoE跨层快捷连接架构
• 零计算专家动态激活机制

这些技术组合拳，让资源利用率和多任务协同能力都上了个台阶。综合评测结果挺亮眼：在Code和General Agent场景下表现优异，已经跻身全球最受开发者欢迎的智能体核心大模型之一。

摩尔线程：全链路适配，快速完成部署验证

摩尔线程技术团队依托高性能SGLang-MUSA推理引擎及MUSA软件生态，围绕LongCat-2.0的模型结构和推理特性，快速完成了从框架兼容到性能优化的全链路适配。

硬件原生FP8加持，释放长上下文推理性能

LongCat-2.0面向更复杂的任务处理需求，实际部署中往往涉及长输入、多轮上下文、复杂指令分解和持续生成等推理负载。这对GPU算力、显存容量、访存带宽和推理调度能力都提出了更高要求。

MTT S5000具备硬件级原生FP8加速能力，单卡高算力、大容量显存与高带宽，能为长上下文输入、KV Cache读写和高并发推理提供稳定支撑。再配合SGLang-MUSA推理引擎与MUSA软件栈的协同优化，LongCat-2.0在MTT S5000上的推理性能得以充分释放，在线服务响应效率和系统吞吐能力都得到了提升。

标准化工程路径，缩短前沿模型部署周期

摩尔线程基于持续沉淀的模型适配经验，把模型结构解析、权重加载、推理框架兼容、算子验证和部署测试打成了一整套标准化工程路径。这样一来，LongCat-2.0在MTT S5000上能快速完成推理验证。

这不仅体现了MUSA软件栈对主流模型生态的高度兼容性，也有效降低了前沿模型在国产算力平台上的迁移和部署门槛。

服务AI应用落地，支撑Coding、Agent与企业知识场景

围绕AI Coding、Agent工作流、企业知识库问答和长文档分析等典型应用，摩尔线程对LongCat-2.0推理链路进行了部署级验证。通过框架、算子和调度层面的协同优化，MTT S5000能够为客户提供兼具性能、稳定性和可扩展性的推理基础设施，助力大模型应用更快从技术验证走向生产部署。

这次完成LongCat-2.0模型Day-0支持，是国产大模型与国产芯片深度协同的又一个重要实践。未来，摩尔线程将继续依托MUSA软件栈强大的生态兼容性，持续在第一时间适配前沿模型能力，以高性能、可规模化的国产全功能GPU基础设施，加速大模型应用创新落地。

《夸克》非常好用的免费AI浏览器

下载APP查看