美团日前正式发布并开源大语言模型LongCat-Flash-Chat，该模型基于创新性混合专家模型（Mixture-of-Experts, MoE）架构设计，总参数量达560B，单个token的平均激活参数量为27B（范围18.6B~31.3B），实现计算效率与性能的双重优化。
在技术架构层面，LongCat-Flash引入“零计算专家（Zero-Computation Experts）”机制，通过上下文动态分配算力，仅激活与任务需求匹配的专家模块。训练过程中采用PID控制器实时微调专家偏置，将单token平均激活参数稳定在27B，有效降低总计算消耗。此外，模型通过跨层通道设计提升通信与计算的并行性，结合定制化底层优化方案，在H800硬件上实现单用户每秒100+ tokens的推理速度，输出成本低至5元/百万token。
性能测试方面，LongCat-Flash-Chat在多项基准评估中表现突出。通用知识领域，其在ArenaHard-V2基准测试中取得86.50分（第二名），MMLU得分为89.71，CEval得分为90.44，参数规模低于DeepSeek-V3.1、Kimi-K2等竞品。智能体任务领域，τ2-Bench（工具使用基准）与VitaBench（复杂场景基准）得分分别为超越更大规模模型及24.30（第一名）。编程能力方面，TerminalBench得分为39.51（第二名），SWE-Bench-Verified得分为60.4。指令遵循测试中，IFEval得分为89.65（第一名），COLLIE与Meeseeks-zh中文指令基准得分分别为57.10与43.03。
美团表示，该模型通过自建Agentic评测集优化数据策略，并采用多智能体方法生成高质量轨迹数据，提升智能体能力。目前，LongCat-Flash-Chat已在GitHub与Hugging Face平台开源，模型权重、代码及技术文档已开放获取。
