美团发布并开源LongCat-Flash-Chat大模型

文 I 海伦

编辑 I 萌萌

9月1日消息，美团于今日正式发布 LongCat-Flash-Chat，并同步开源。据官方介绍，LongCat-Flash采用创新性混合专家模型（Mixture-of-Experts, MoE）架构，总参数560B，激活参数18.6B-31.3B（平均 27B）。据多项基准测试综合评估，LongCat-Flash-Chat在仅激活少量参数的前提下，在智能体任务中具备突出优势，同时推理速度超过100tps。

LongCat-Flash 最大的特点是“会挑活干”。

根据官方介绍，LongCat-Flash 的关键创新是引入了 “零计算专家”机制。简单来说，不是每个词都需要同样的算力，模型会自动判断哪些词更重要，然后只为这些“重点词”来分配算力。这样一来，总参数虽大（5600亿），但每次计算只动用 270亿级别的参数，推理更快、更省钱。

根据官方数据显示：生成100万 token的成本低至5 元，相比主流商业模型（如 Claude、Grok、OpenAI的中高端版本）等，有价格优势。

LongCat-Flash 架构图

同时，LongCat-Flash-Chat还解决了 MoE 模型常见的“通信瓶颈”问题，采用快捷连接MoE（ScMoE） 和底层系统优化，让模型可以在数万块加速卡上稳定训练，并实现高吞吐+低延迟的推理体验。

LongCat-Flash-Chat 在多项公开评测中的成绩已经公布。与常见的“大而全”模型不同，这一模型采用“非思考型”设计，每次推理只激活一部分参数，但依然能跑出接近主流模型的效果。因为强调推理效率，它尤其适合运行时间长、步骤复杂的智能体类应用。

在通用知识与语言理解方面，在知识和语言理解相关的测试中，LongCat-Flash 的分数处于前列：ArenaHard-V2：86.50，排名第二；MMLU：89.71；CEval（中文）：90.44。这些分数接近国内一些领先产品，而 LongCat-Flash 的参数规模比 DeepSeek-V3.1等大模型更小。

在与“智能体”相关的评测中，LongCat-Flash-Chat 在工具使用和复杂场景任务中表现更为明显：τ2-Bench（工具使用）超过了部分更大规模的模型；VitaBench（复杂场景）得分 24.30，排在第一。这说明在涉及多工具调用或多步骤交互的任务中，LongCat-Flash 具备一定效率优势。

在编程和工程类测试中：TerminalBench：39.51，排名第二；SWE-Bench-Verified：60.4。

整体成绩处于中上水准，可以覆盖常见的编程任务。

在指令执行方面：IFEval（英文指令）：89.65，排名第一；COLLIE（中文指令）：57.10，最佳成绩；Meeseeks-zh（中文多场景指令）：43.03，最佳成绩。这表明模型在中英文指令集上都有较强的适配性。

图：LongCat-Flash-Chat在多项公开评测中的成绩

今年3月，美团CEO王兴曾在财报电话会议上首次披露自主研发的生成式大语言模型“LongCat”。当时，这一模型主要用于公司内部，服务于员工效率提升，并被集成到 AI 编码、智能会议、文档助手和平面设计等工具中。

几个月后，LongCat 的身影开始出现在大众面前。6月10日，美团推出了基于该模型的首款编程工具 “NoCode”。

此次，美团宣布开源 LongCat-Flash，整体而言，这一款在架构上有创新、在特定任务上表现突出的大型语言模型，核心价值在于通过动态计算分配和通信-计算并行化设计，实现了效率与性能的平衡。

然而，模型在某些细分领域可能不如专项优化模型，且部署要求较高，生态成熟度也有待提升，其长期影响和实际应用效果仍需观察。