美團發(fā)布LongCat-Flash-Chat大模型并且同步開源到huggingface與github

VR三千世界 · 發(fā)表于 2025-9-1 16:41

本帖最后由八云紅于 2025-9-1 16:43 編輯

9 月 1 日，美團正式發(fā)布并開源 LongCat-Flash-Chat 大模型。該模型采用創(chuàng)新的 MoE（混合專家模型）架構，總參數(shù)規(guī)模高達 560B，但單 token 激活參數(shù)僅需 18.6B~31.3B（平均 27B），在保持性能領先的同時大幅降低了算力消耗。憑借高效的架構設計與優(yōu)化策略，LongCat-Flash-Chat 在智能體任務、推理速度與成本控制等方面實現(xiàn)了突破，成為國產大模型領域的重要里程碑。

美團發(fā)布LongCat-Flash-Chat大模型并且同步開源到huggingface與github

創(chuàng)新架構：引入“零計算專家”機制，實現(xiàn)按需分配算力，大幅提升推理效率。

高效訓練：在跨層通道和底層優(yōu)化加持下，LongCat-Flash 僅用 30 天完成訓練，并在 H800 上實現(xiàn)單用戶 100+ tokens/s 的生成速度。

智能體任務突出：自建 Agentic 評測集，優(yōu)化多智能體數(shù)據(jù)策略，使其在復雜智能體任務中表現(xiàn)領先。

極致性價比：推理速度極快，輸出成本低至 5 元/百萬 token，在行業(yè)中具備極強競爭力。

基準測試表現(xiàn)

通用能力：MMLU 得分 89.71，CEval 得分 90.44，ArenaHard-V2 達到 86.50，性能比肩國內主流大模型。

智能體工具使用：在 τ2-Bench 與 VitaBench 中表現(xiàn)優(yōu)異，尤其在復雜場景中位列第一。

編程與工程：在 TerminalBench、SWE-Bench-Verified 測試中表現(xiàn)出色，展現(xiàn)強大的代碼與任務執(zhí)行能力。

指令遵循：IFEval 得分 89.65 排名第一，在 COLLIE 和 Meeseeks-zh 基準中同樣位列前茅，凸顯其中英文多場景指令處理能力。

目前美團longcat已同步在Huggingface與github上開源。

浮華染流年、 · 發(fā)表于 2025-9-1 19:20

美團居然也來做ai了嗎

asukazzz · 發(fā)表于 2025-9-2 07:53

感謝提供信息。

› 綜合交流 / 資源分享區(qū) › AI技術討論

美團發(fā)布LongCat-Flash-Chat大模型并且同步開源到huggin ...

美團發(fā)布LongCat-Flash-Chat大模型并且同步開源到huggingface與github

相關帖子

站長推薦 /1