LongCat-2.0이 이제 오픈 소스(open source)로 공개되었습니다. 이번 모델은 규모가 매우 큽니다: 에이전트 기반 코딩(agentic coding)을 위해 구축되었으며, 1.6T 총 파라미터 / 약 48B 활성 MoE(Mixture of Experts)를 갖추고, 네이티브 1M 컨텍스트를 지원합니다. 🚀
🤖https://t.co/EttbLqB8kU

🏆 코딩(Coding): SWE-bench Pro에서 59.5를 기록하며 Gemini 3.1 Pro, GPT-5.5, Claude Opus 4.6을 앞질렀습니다. 또한 Terminal-Bench 2.1에서 70.8, SWE-bench Multilingual에서 77.3을 기록했습니다.

🧠 1M 컨텍스트: LongCat Sparse Attention은 선형 스케일링 희소 주의 집중(linear-scaling sparse attention)을 통해 긴 프로젝트 컨텍스트를 사용 가능한 상태로 유지합니다.

⚙️ 효율적인 MoE: ScMoE + zero-compute 전문가(experts)가 토큰당 약 33B에서 56B의 파라미터를 동적으로 활성화합니다.

🛠️ 에이전트 네이티브(Agent-native): MOPD는 도구 사용(tool use), 자기 수정(self-correction), STEM 추론 및 지시 이행(instruction following)을 위해 에이전트(Agent), 추론(Reasoning), 상호작용(Interaction) 전문가 그룹 간을 라우팅합니다.

35T 이상의 토큰으로 처음부터 사전 학습(Pretrained from scratch)되었으며, GPU 및 NPU 배포를 모두 지원합니다.