LongCat-2.0原生支持100万Token超长上下文，采用自研LSA稀疏注意力机制实现线性算力开销，可一次性处理几十万字合同或百万字技术文档，避免拆分导致的逻辑断裂与信息遗漏。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让LongCat AI一次性处理几十万字的合同、整套项目资料或百万字级技术文档，而不是手动拆分再拼接，避免关键条款遗漏、逻辑断裂和人工汇总误差。
理解LongCat的长文本底层能力
LongCat-2.0原生支持100万Token上下文窗口，不是靠分块+滑动窗口模拟出来的“伪长文本”，而是用自研【LongCat Sparse Attention（LSA）稀疏注意力机制】实现的线性计算开销。这意味着它读取100万字时的算力消耗，接近读取1万字的量级——传统稠密注意力模型此时早已因O(n²)爆炸而卡死。
LSA不逐字扫描全文，而是动态聚焦关键段落：法律合同中的违约责任条款、代码仓库里的核心函数定义、招标文件的技术参数页，系统会自动加权提取，跳过冗余描述性文字。
这一步不需要你做任何操作，但必须清楚：如果你上传的是PDF扫描件或图片型文档，LongCat-2.0无法直接识别——【必须先转成纯文本或可选中文本的DOCX/PDF】，否则模型接收不到有效Token输入。
通过DMXAPI调用百万上下文能力
方法一：网页端零代码使用
打开DMXAPI控制台 → 选择“LongCat-2.0”模型 → 点击“上传文档” → 拖入≤50MB的TXT/DOCX/PDF（含文字层）→ 等待解析完成 → 在提示词框输入“提取本合同中所有甲方义务条款并编号” → 点击运行。
方法二：API接口直连（适合批量处理）
构造POST请求到https://api.dmxapi.cn/v1/chat/completions → 请求头添加Authorization: Bearer your_api_key → Body中设置"model": "longcat-2.0" → 将文档内容base64编码后填入"messages"[0]["content"]字段 → 发送。
注意：单次请求最大支持100万Token输入，但实际上传文件大小受HTTP传输限制，建议单个文档不超过30MB；超大文件请先用pdfplumber或docx2python本地预处理为结构化文本再传。
本地部署ZigZag模型处理超长文本
第一步：确认环境为Linux系统，已安装Git与Python 3.10+
第二步：执行git clone https://gitcode.com/meituan-longcat/LongCat-Flash-Thinking-ZigZag
第三步：进入目录后，检查config.json中"max_context_length"是否设为1048576（即100万Token），若为默认值65536需手动修改——【不改此项将强制截断输入，丢失后90%内容】
第四步：下载模型权重。运行bash scripts/download_model.sh，脚本会自动拉取model_00001-of-00075.safetensors至model_00075-of-00075.safetensors共75个分片文件。缺失任一文件会导致加载失败且无明确报错。
第五步：启动推理服务。执行python server.py --host 0.0.0.0 --port 8000，服务启动后即可用curl或Postman向http://localhost:8000/v1/chat/completions发送长文本请求。
