LongCat-2.0.

LongCat-2.0

LongCat-2.0 adalah model bahasa skala besar berbasis Mixture-of-Experts (MoE) yang dirilis secara terbuka dengan total 1,6 triliun parameter dan sekitar 48 miliar parameter aktif per token. Dibangun di atas infrastruktur superkomputer AI ASIC dan dilatih dengan lebih dari 35 triliun token termasuk data konteks 1 juta token, model ini menghadirkan kemampuan unggul dalam pemrograman, tugas agen otonom, dan pemrosesan konteks panjang yang kompetitif dengan model proprietary terkemuka.

Sorotan Produk

• Arsitektur MoE Skala Triliunan: Model dengan 1,6 triliun parameter yang mengaktifkan hanya ~48 miliar parameter per token, memberikan efisiensi komputasi luar biasa tanpa mengorbankan kemampuan.

• LongCat Sparse Attention (LSA): Mekanisme perhatian sparse yang dioptimalkan dengan tiga inovasi — Streaming-aware Indexing, Cross-Layer Indexing, dan Hierarchical Indexing — untuk mempercepat pemrosesan konteks panjang hingga 1 juta token.

• N-gram Embedding: Modul embedding yang memperluas ruang representasi token hingga ~100× melalui kombinasi token N-gram, menangkap konteks lokal yang lebih kaya dan meningkatkan efisiensi parameter.

• Integrasi Agen & Kode: Terintegrasi mendalam dengan Claude Code, OpenClaw, dan Hermes untuk tugas pemrograman, pengeditan level repositori, eksekusi tugas otomatis, dan alur kerja agen.

• Infrastruktur AI ASIC: Pelatihan dan deployment penuh di atas superkomputer AI ASIC dengan lebih dari 50.000 akselerator, menunjukkan kemampuan pelatihan skala frontier pada platform perangkat keras alternatif.

Kasus Penggunaan

• Migrasi Basis Kode: Membaca seluruh basis kode dan dokumentasi migrasi, memetakan arsitektur, dan menulis ulang plugin ke SDK baru sambil menjaga fungsionalitas yang ada dan menangkap bug tersembunyi.

• Pengembangan Perangkat Lunak: Memahami, mengedit, dan men-debug kode pada level repositori dengan dukungan konteks 1 juta token untuk analisis dependensi kompleks.

• Agen Otonom: Eksekusi tugas multi-langkah secara mandiri dengan kemampuan pemanggilan alat yang presisi, parsing parameter multi-turn, dan mekanisme koreksi diri.

• Penelitian & Analisis: Pemrosesan dokumen panjang, penelusuran informasi mendalam, dan penalaran multi-hop untuk tugas STEM dan pemecahan masalah kompleks.

Target Audiens

LongCat-2.0 ditujukan untuk pengembang perangkat lunak, insinyur AI, peneliti, dan organisasi yang membutuhkan model bahasa skala besar dengan kemampuan konteks panjang dan eksekusi agen yang kuat, serta tim infrastruktur yang tertarik dengan pelatihan LLM skala besar pada platform AI ASIC alternatif.