美团发布开源模型LongCat：助力开发者，推动AI应用快速实现
发布时间：2025-09-01 11:20:09 | 责任编辑：吴昊 | 浏览量：176 次
近日，美团正式发布其最新的开源大语言模型 LongCat（龙猫），旨在推动人工智能技术的发展和应用。该模型的发布不仅标志着美团在AI领域的又一重要进展，也为开发者和研究人员提供了一个功能强大的新工具。
LongCat 的核心版本 LongCat-Flash 拥有560亿个参数，其核心优势在于创新的混合专家（MoE）架构。这种架构通过动态计算机制，根据上下文需求仅激活18.6B至31.3B的参数（平均约27B），大幅优化了计算效率。这使得 LongCat 在推理过程中能达到每秒超过100个标记的处理能力，展现了卓越的性能。
在技术实现上，美团特别注重模型的训练稳定性与扩展性。通过一系列优化策略，LongCat 能够在超过十万个加速器的规模上进行高效训练，并实现低延迟推理。此外，模型设计考虑到了参数激活的动态分配，确保在不同任务下的计算负载保持一致。
为了提升模型能力，LongCat 采用了多阶段训练管道。初期训练旨在构建基础模型，并通过数据融合策略进行优化;后期训练则进一步增强了其推理和编码能力，并将上下文长度扩展至128k，以满足更复杂的任务需求。
评估结果显示，LongCat 在多个基准测试中的表现与业界领先模型相当，特别是在 MMLU、数学推理和通用推理等领域展现出良好的准确率。这些成绩不仅证明了LongCat的技术实力，也为其在实际应用中的潜力奠定了基础。
美团表示，通过开放 LongCat 这一强大模型，希望能够促进AI技术的共享与发展，为更多开发者提供便利，从而推动整个行业的进步。LongCat的开源，无疑将成为未来AI应用的有力助手。
地址：https://longcat.chat/
。该模型的核心版本 LongCat-Flash 采用创新的 混合专家（MoE）架构，总参数达 5600亿（560B），通过动态计算机制，根据任务复杂度激活 18.6B 至 31.3B 参数（平均约27B），实现计算效率与性能的双重优化
。
技术亮点：
-
架构创新：引入 Shortcut-connected MoE（ScMoE） 架构，通过快捷连接扩大计算与通信的重叠窗口，显著提升训练和推理的吞吐量
。
-
动态计算：根据输入内容的复杂度，自适应调整激活参数数量，确保算力按需分配，推理速度突破 每秒100个token
。
-
多阶段训练：采用多阶段训练管道，包括大规模预训练、中期推理与代码能力提升，以及后期对话和工具使用能力优化，使模型在复杂任务中表现出色
。
开源策略：
-
MIT许可协议：采用对开发者极为友好的MIT协议，允许商业使用、修改和再分发，已同步发布至 GitHub 和 Hugging Face 平台
。
-
开发者支持：官网 longcat.ai 提供在线体验，无需部署即可测试模型能力，同时提供详细部署文档和工具，助力开发者快速上手
。
性能表现：
-
基准测试：在 MMLU、数学推理和通用推理 等领域表现优异，与 GPT-4.1、Claude 4 Sonnet 等国际主流模型相当
。
-
智能体能力：针对智能体（Agentic）任务进行特化训练，在工具调用和多步骤任务处理方面具有突出优势
。
行业影响：
-
生态构建：通过开源，美团旨在构建全球开发者社区，推动本地生活场景等垂直领域的AI应用创新
。
-
技术民主化：降低先进AI技术的使用门槛，避免技术垄断，促进AI技术的多元化和健康发展
。
。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
