突发，美团推出 560B 开源模型，名为长猫

推荐语

美团重磅推出5600亿参数开源模型LongCat-Flash，其创新的动态计算机制可根据任务复杂度自动调节资源，性能直逼顶级模型。

核心内容：
1. 动态计算机制：根据上下文需求激活186-313亿参数，实现智能资源分配
2. ScMoE架构突破：解决通信瓶颈，支持数万加速器训练，推理速度超100token/秒
3. 全面性能对标：在MMLU、CEval等多项基准测试中表现优异，部分指标超越GPT-4.1

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

美团入局大模型战场了！

这次推出的LongCat-Flash有5600亿参数，采用MoE架构，但真正有意思的是它的动态计算机制——

根据上下文需求激活186亿到313亿参数，平均约270亿。

这意味着，模型会根据任务复杂度自动调节计算资源，不再是「一刀切」的参数激活。

动态计算

LongCat-Flash最大的亮点是动态计算机制。

不是所有token都需要同等计算资源，重要的token会获得更多参数激活。

具体来说：

• 总参数：5600亿

• 激活参数：186亿～313亿（动态调整）

• 平均激活：约270亿

为了保持计算负载稳定，团队使用了PID控制器调整专家偏置，确保平均激活参数稳定在270亿左右。

ScMoE架构解决通信瓶颈

MoE模型扩展时，通信开销是个大问题。

LongCat-Flash采用了Shortcut-connected MoE (ScMoE)设计，扩大了计算-通信重叠窗口。

结合定制化基础设施优化，这个设计让模型能在数万个加速器上训练，推理速度超过每秒100个token。

从小到大的训练策略

美团团队开发了一套完整的稳定性和扩展框架：

超参数迁移策略：从小型代理模型预测最优配置，有理论保证。

模型增长机制：基于半规模检查点初始化，性能优于传统方法。

多管齐下的稳定性套件：包括路由器梯度平衡、隐藏z-loss抑制大规模激活、优化器配置微调。

确定性计算：保证实验的精确可重现性，能在训练过程中检测SDC（静默数据损坏）。

这些措施确保LongCat-Flash训练稳定，没有不可恢复的损失尖峰。

全面对标顶级模型

在官方公布的各项基准测试中，LongCat-Flash表现出色：

特别值得注意的是，LongCat-Flash在TerminalBench和TauBench等智能体任务上达到了SOTA水平。

部署支持SGLang和vLLM

美团已经在SGLang和vLLM中实现了基础适配，支持LongCat-Flash的部署，MIT 协议，已在HuggingFace 开源。

模型访问

# API访问
model_string = 'claude-opus-4-1-20250805'

# HuggingFace模型
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("meituan-longcat/LongCat-Flash-Chat")

Chat模板示例

# 单轮对话
"[Round 0] USER:{query} ASSISTANT:"

# 多轮对话
"SYSTEM:{system_prompt} [Round 0] USER:{query} ASSISTANT:{response}</longcat_s>... [Round N] USER:{query} ASSISTANT:"

# 工具调用
"<longcat_tool_call>
{'name': <function-name>, 'arguments': <args-dict>}
</longcat_tool_call>"

小测一把

域名是：https://longcat.ai，不过点击后会跳转到：https://longcat.chat/，需要用美团APP 扫码登录：

还是那道模型靠谱度的标准考题：

我有70块钱，我借给小明五十块钱，他又用这五十块在我这里买了五十块钱的水果。第二天我借给小明30块钱，小明用这30块钱买了30块钱的牛奶，小明还欠我多少钱?请先推理，最后给出结论

token 倒是吐得很快，但可惜——

没答对。

不过“深度思考”还没放开，也许能答对。

美团这次推出LongCat-Flash，标志着中国科技公司在大模型领域的又多了一名重磅玩家。

虽然简单测下来，效果不算惊艳，但美团入局，实力绝对不容小觑。

不过，得吐槽一句：

你是真会挑时间！