美团于9月1日正式发布并开源了其大模型LongCat-Flash-Chat。该模型采用混合专家模型（Mixture-of-Experts，MoE）架构，总参数达到5600亿（560B），但动态激活参数仅在186亿至313亿之间（平均270亿），实现了计算效率与性能的双重优化。
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，同时推理速度超过每秒100词元（tps）。
LongCat-Flash最具创新性的设计之一是“零计算”专家机制（Zero-computation Experts）。
模型能够智能判断输入内容中不同部分的重要性，将计算量较小的任务（如常见词语、标点符号）分配给特殊的“零计算”专家。该专家不进行实际复杂运算，直接返回输入，极大节省了算力。
为控制计算负载稳定性，训练过程采用PID控制器实时微调专家偏置，将单token平均激活量稳定在约270亿。
LongCat-Flash 架构图
大规模MoE模型中，不同专家模块间的通信延迟往往是性能瓶颈。LongCat-Flash引入了快捷连接混合专家模型（Shortcut-connected MoE，ScMoE）。
ScMoE架构通过引入快捷连接，有效扩大了计算和通信的重叠窗口，显著提升了训练和推理的吞吐量，让模型响应速度更快。
这一设计使LongCat-Flash能够在数万加速器规模上进行大规模训练，同时在推理时实现高吞吐率和低延迟。
LongCat-Flash的训练仅用了30天，在一个包含数万个加速器的大规模集群上完成。美团开发了一套全面的稳定性与扩展框架确保训练稳健性。
超参数迁移策略通过小规模代理模型的实验结果预测最优配置。模型生长机制基于精炼的半规模检查点进行初始化，表现优于常规初始化方法。
稳定性套件包括路由器梯度平衡、隐藏的z-loss（抑制大规模激活）和精调的优化器配置。确定性计算提升了大规模集群训练的可靠性，确保实验结果可复现。
为赋予LongCat-Flash先进的智能体行为能力，研究团队设计了多阶段训练管线。
初始阶段专注于为智能体后训练构建基础模型，采用双阶段预训练数据融合策略，引入推理密集型领域数据。
中期阶段增强模型的推理与编程能力，同时将上下文长度扩展至128k，以满足智能体后训练的需求。
后期阶段在先进基础模型上进行多阶段后训练。由于高质量、高难度的智能体任务训练数据稀缺，团队设计了一个多智能体合成框架，通过专门控制器生成需要迭代推理与环境交互的复杂任务。
在通用领域知识测试中，LongCat-Flash在MMLU（衡量模型综合知识水平的核心指标）上得分89.71，与DeepSeek V3.1、Qwen3 MoE和Kimi-K2处于同一梯队。
在ArenaHard-V2测试中（侧重于模型作为聊天助手的“体感”和处理复杂指令的能力），LongCat-Flash得分86.50，超过了DeepSeek V3.1，与Qwen3 MoE（88.20）非常接近。
在中文能力测试中，LongCat-Flash在CEval上表现优异（90.44），证明了对中文语言的很好支持。
指令遵循是LongCat-Flash最突出的亮点。在IFEval上，模型得分89.65，名列前茅，超越了DeepSeek V3.1。
在COLLIE测试中，LongCat-Flash取得了57.10的高分，在所有参与对比的模型中排名第一，证明了其在执行需要调用工具、与环境交互的复杂“智能代理”任务方面的卓越能力。
LongCat-Flash的工程优化成果最终体现在用户可感知的性能和成本上：
极高的推理速度：推理速度超过100词元/秒（TPS）。
极低的运营成本：每处理一百万输出词元的成本仅为0.7美元（约合人民币5元）。
强大的综合能力：支持128k的长文本上下文，在代码、推理和工具调用等多个方面展现出与业界领先模型媲美的竞争力。
随着AI大模型竞争的焦点从“更高更强”转向“更聪明更经济”，
美团的LongCat-Flash凭借创新的“零计算”专家机制和卓越的智能体任务表现，
在性能与效率间找到了最佳平衡点。
其5600亿参数规模仅动态激活平均270亿参数的设计，使每处理一百万输出词元的成本控制在0.7美元，远超行业同等规模甚至更小模型的成本效率。
目前，LongCat-Flash模型已发布在Hugging Face和GitHub社区，遵循MIT许可协议，全球开发者都可以自由使用和探索这一强大模型。AI大模型的开源竞争格局，因美团的入局而更加精彩。
开源地址：
Hugging Face：
https://huggingface.co/meituan-longcat/LongCat-Flash-Chat
Github：
https://github.com/meituan-longcat/LongCat-Flash-Chat
官网体验：
https://longcat.ai/