美团LongCat大升级：新注意力机制解码快10倍，支持百万长文本

美团龙猫LongCat系列在新年之际放出大招，发布了全新的稀疏注意力机制LoZA（LongCat ZigZag Attention）。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这一技术让256K文本的预加载速度提升超过50%，同时还解锁了长达1M的上下文处理窗口。

作为美团龙猫LongCat系列的新年献礼，LoZA机制的核心在于其创新的ZigZag结构。

该技术集火攻克长文本任务中的理解与算力难题，实现了效率与性能的平衡。

与以往LongCat系列采用的全注意力MLA机制相比，LoZA仅对一半的核心模块进行了改造。

但模型的长文本处理能力却从256K大幅扩展至1M，解码速度也获得了显著提升。

其表现甚至优于同类型的Qwen-3模型。

接下来，我们详细看看它的实现方案。

如何做到“只算关键部分”？

全注意力机制的算力瓶颈在于其平方级的计算复杂度O(L²)，这导致模型在处理长文本任务时对显存要求极高，并会出现推理延迟问题。

LoZA的核心思路是聚焦于处理重要的内容，对不重要的部分少花力气。

作为LongCat系列的核心技术升级，LoZA主要是在原有的MLA机制上进行改造。

具体分为两步。

首先，给模型里的多头潜在注意力模块MLA做一个全局“筛查”，找出哪些模块可以被改造。

在原来的MLA架构中，每个MLA模块都是处理注意力的核心单元，现在的新方案是给每个模块配一个可学习权重α。

α值越高，说明该模块全注意力计算越关键，一旦简化就容易丢性能；α值越低则意味着模块的可替代性强，即便换成更轻量的计算方式，对整体的理解能力影响也不大。

在训练过程中，团队冻结模型其他参数，只更新α的梯度，通过这种专门的校准训练让模型自主学习α值，然后按α值从小到大排序，找出那些稀疏化后不影响性能的MLA模块，也就是后续的优化目标。

随后，将找出的50%低性能模块换成更轻巧的流式稀疏注意力SSA。

这样就形成了一种交错结构，团队将这种结构称为ZigZag。

SSA的计算复杂度是线性的O(L·S)（S为稀疏窗口大小，固定为1024 Token），远低于全注意力的O(L²)。

所以这种交错结构让模型既不会因为过度简化而变笨，又能把计算复杂度降到线性级别，省下不少算力。

为了让模型在关注局部细节的基础上不忽略整体逻辑，LoZA还设计了一个1024 Token的稀疏窗口。

每个窗口里有1个负责抓整体关联的“全局块”和7个负责盯附近内容的“局部块”，单块大小为128 Token。

这样的改造也不需要从头训练，在中期训练阶段就能完成，成本也比较低。

从测试数据来看，LoZA的表现也不错，主要是“更快”的同时“没变笨”。

速度上，处理128K上下文时，解码速度直接比原来快了10倍；

在处理256K上下文时，模型预加载（读文本过程）速度快了50%，后续解码阶段生成内容时还能省下30%的算力，相当于同样的硬件，现在能同时处理两倍多的长文本任务。

这也让LongCat-Flash-Exp解锁了1M上下文窗口。

在性能上，LoZA也没因为简化而缩水。

处理问答问题、写代码这类日常任务时，和原版LongCat-Flash持平；在处理长文本任务时，表现反而更好。

比如在MRCR测试里，反超了同样能处理1M长文本的Qwen-3模型，还更稳定。

接下来，团队还计划让LoZA支持动态稀疏比例。

短文本场景自动多用全注意力保证精度，长文本场景自动增加稀疏模块提升效率，甚至适配多模态模型处理长视频、长图文内容。

好一个新年新气象！

论文地址已公布。