LongCat-2.0 가중치 공개, 에이전트 비용 실험 대상 확대
LongCat-2.0의 INT8과 FP8 모델 가중치가 에 공개됐다. 이 모델은 전체 크기가 1.6조 파라미터지만, 한 번 답을 만들 때 실제로 쓰는 부분은 약 480억 파라미터라고 소개된다. 긴 작업을 잘 처리하도록 100만 토큰 문맥 데이터를 대량으로 학습했고, 코딩, 저장소 단위 수정, 자동 작업 실행 같은 작업에 맞춰 성능을 냈다고 설명한다.
공개된 평가에서는 70.8점, 59.5점, Multilingual 77.3점, FORTE 73.2점 등으로 여러 상용 모델과 비교됐다. SGLang으로 배포할 수 있고, 권장 GPU 구성은 H20 16장이라 개인용 PC에서 바로 돌리기에는 매우 크다. 대화 템플릿에는 도구 호출 예시와 함께 생각 과정을 켜거나 끄는 옵션이 들어 있으며, 생각 모드를 끄면 토큰 사용을 줄이는 데 도움이 된다고 안내한다.
가중치는 로 공개됐지만, 실제 서비스에 쓰기 전에는 정확도, 안전성, 언어별 성능 차이를 따로 확인해야 한다.
핵심 포인트
- LongCat-2.0의 INT8, FP8 가중치가 에 공개됐다.
- 전체는 1.6조 파라미터지만 한 토큰 처리 때 약 480억 파라미터를 활성화한다고 설명한다.
- 100만 토큰 문맥 데이터와 코딩·에이전트 작업용 학습을 강조한다.
- SGLang 배포를 지원하지만 권장 구성은 H20 16장으로 개인 장비에는 부담이 크다.
- 생각 모드를 끄는 대화 템플릿 옵션은 토큰 절약 실험에 직접 관련된다.