Jsou váhy otevřené a mohu LongCat 2.0 spustit lokálně?

Ano, váhy jsou veřejně dostupné na Hugging Face v repozitáři meituan-longcat/LongCat-2.0. S 1,6 bilionu parametrů jde o velký model, takže lokální nasazení vyžaduje značný hardware.

Kolik LongCat 2.0 stojí a jak velké má kontextové okno?

Přes API stojí 0,30 USD za milion vstupních tokenů a 1,20 USD za milion výstupních tokenů, s kontextovým oknem o velikosti něco přes 1 milion tokenů.

Čím se LongCat 2.0 liší od ostatních velkých MoE modelů?

Hlavním rozdílem je mechanismus LongCat Sparse Attention, navržený speciálně pro efektivní práci s velmi dlouhými kontexty, spolu s tréninkem na stovkách miliard tokenů s kontextem 1M — což většina srovnatelných MoE modelů v tomto rozsahu nedělala.

LongCat 2.0

3609°

#llm #meituan #uvažování #programování #agenti #dlouhý kontext

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

Meituan | kontext 1 048 756 tokenů | $0.30/M vstup, $1.20/M výstup. LongCat 2.0 je sparse mixture-of-experts jazykový model od Meituan s 48 miliardami aktivních parametrů z celkových 1,6 bilionu. Je vhodný pro kódování, změny na úrovni repozitářů, řešení problémů s dlouhým horizontem a agentní pracovní postupy.

Návody k tomuto modelu

Nejlepší lokální LLM podle použití (říjen 2026): správný otevřený model pro každou práci

Kolik VRAM vlastně potřebuji pro lokální AI?

Otevřené váhy vs open source vs pouze API: co vlastně smíš dělat

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

LongCat 2.0 je řídký model mixture-of-experts od Meituan, který aktivuje 48 miliard ze svých 1,6 bilionu parametrů na token a byl trénován na více než 35 bilionech tokenů s nativním kontextem 1 milion tokenů. Jeho architektura je navržena pro dlouhodobé úkoly: změny kódu na úrovni repozitáře, agentní pracovní postupy a udržované uvažování nad velmi dlouhými vstupy. Otevřené váhy a přijatelná cena API ho činí zajímavým, pokud pracujete na hranici délky kontextu.

Známý pro

Nativní kontext 1 milion tokenů, trénovaný na stovkách miliard tokenů s dlouhým kontextem
Silná vhodnost pro úpravy kódu na úrovni repozitáře a agentní vykonávání úkolů
Přímá integrace s Claude Code, OpenClaw a Hermes harnesses
Nový LongCat Sparse Attention snižuje náklady na pozornost nad masivními kontexty
Otevřené váhy dostupné na Hugging Face

Dej pozor na

1,6 bilionu parametrů znamená, že lokální nasazení vyžaduje vážný hardware; většina uživatelů využije API.
Benchmarky v model card jsou měřeny interně, takže nezávislé třetí strany mají omezené srovnání.
Licenční podmínky nejsou podrobně uvedeny; před komerčním použitím zkontrolujte repozitář na Hugging Face.

Nejlepší pro

Programování

Agenti a používání nástrojů

Uvažování

Dlouhý kontext

Běží lokálně

Promptů k vyzkoušení

Refaktor napříč repozitářem

Zde je Python repozitář se třemi soubory. Kód aktuálně používá globální konfigurační slovník předávaný jako argument funkce všude. Refaktoruj to na použití typované datové třídy injektované přes kontextový manažer, aktualizuj všechna volání a napiš krátkou migrační poznámku vysvětlující změny a důvody.

Uvažování nad dlouhým dokumentem

Níže vkládám 200stránkovou technickou specifikaci. Přečti ji celou, pak odpověz: jaké jsou tři nejvýznamnější kompromisy v návrhu, jaké důkazy v dokumentu to podporují a co bys změnil, kdybys dnes specifikaci revidoval?

Plánování vícekrokového agenta

Pomáháš automatizovat pipeline pro vydání softwaru. Máme tyto kroky: spustit testy, sestavit Docker image, pushnout do registru, aktualizovat Helm chart a otevřít pull request. Napiš závislostní graf, identifikuj, které kroky mohou běžet paralelně, a vytvoř shell skript, který je spustí ve správném pořadí s ošetřením chyb.

Porovnat s

GPT-6 Luna
Model pouze s API
kontext 1,050,000 tokenů · $0.10/M vstup, $0.50/M výstup
Claude Opus 5.5
Model pouze s API
kontext 1,000,000 tokenů · $4.00/M vstup, $20.00/M výstup
Muse Spark 1.3 Contributor
Model pouze s API
kontext 1,048,576 tokenů · $0.10/M vstup, $0.20/M výstup
Gemini 3.8 Flash
Model pouze s API
kontext 1,048,576 tokenů · $0.83/M vstup, $4.12/M výstup

Více textových modelů od meituan

Často kladené otázky

Jsou váhy otevřené a mohu LongCat 2.0 spustit lokálně?: Ano, váhy jsou veřejně dostupné na Hugging Face v repozitáři meituan-longcat/LongCat-2.0. S 1,6 bilionu parametrů jde o velký model, takže lokální nasazení vyžaduje značný hardware.
Kolik LongCat 2.0 stojí a jak velké má kontextové okno?: Přes API stojí 0,30 USD za milion vstupních tokenů a 1,20 USD za milion výstupních tokenů, s kontextovým oknem o velikosti něco přes 1 milion tokenů.
Čím se LongCat 2.0 liší od ostatních velkých MoE modelů?: Hlavním rozdílem je mechanismus LongCat Sparse Attention, navržený speciálně pro efektivní práci s velmi dlouhými kontexty, spolu s tréninkem na stovkách miliard tokenů s kontextem 1M — což většina srovnatelných MoE modelů v tomto rozsahu nedělala.

Verdikt kapitána
Seriózní MoE model pro dlouhý kontext, který si zaslouží pozornost, pokud pracujete s rozsáhlými kódovými základnami nebo dokumenty, které překračují limity ostatních modelů.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

Qwen3 Coder Next

TEXT / LLM

Qwen2.5 Coder 32B Instruct

TEXT / LLM

GLM 4.7 Flash

TEXT / LLM

Llama 3.3 70B Instruct Turbo

TEXT / LLM

AI modely pro generování obrázků, videa a textu

LongCat 2.0 je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm meituan uvažování programování agenti dlouhý kontext lokální

Procházet podle rodiny modelů