256K 文本预加载提速超 50%，还解锁了 1M 上下文窗口。

美团龙猫LongCat系列新年出招，发布全新稀疏注意力机制 LoZA（LongCat ZigZag Attention）。

新技术集中火力，重点解决长文本任务的理解、算力难题。

相比于 LongCat 系列之前的全注意力MLA 机制，LoZA 只改了一半的核心模块。

但模型长文本能力从 256K 扩展到 1M，解码速度还快了不少。

甚至比同类型的 Qwen-3 模型表现还要好。

接下来看具体方案。

全注意力机制的算力瓶颈在于平方级的计算复杂度 O ( L ² ) ，这导致模型在处理长文本任务时对显卡要求高，还会出现推理延迟问题。

LoZA 的核心思路是专注于处理重要的内容，不重要的部分少花力气。

作为 LongCat 系列的核心技术升级，LoZA 主要是在原来的 MLA 机制上做改造。

具体分两步。

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，说明该模块额全注意力计算越关键，一旦简化就容易丢性能；α 值越低就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，庄闲和游戏app固定为 1024Token），远低于全注意力的 O ( L ² ) 。

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1024Token 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 128Token。

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，要是处理 128K 上下文，解码速度直接比原来快 10 倍；

256K 上下文，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 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。

性能上，LoZA 也没因为简化而缩水。

处理回答问题、写代码这类日常任务时，和原版 LongCat-Flash 持平；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：https://www.alphaxiv.org/abs/2512.23966

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

量子位智库 2025 年度「AI 100」榜单正式开启招募！

和我们一起在日新月异的 AI 产品市场中厘清背后脉络，把握未来动向，找到真正代表中国 AI 实力的巅峰力量 � �

一键关注 � � 点亮星标

科技前沿进展每日见