為何此時推出這款模型
中國即時服務巨頭 美團加入開源大型語言模型浪潮，推出結合超大參數規模與效率優先設計的系統 LongCat Flash Chat。模型於 2025 年 9 月上旬公布，並上架 GitHub 與 Hugging Face，隨附技術報告，定位為與當前頂尖系統並駕齊驅。美團表示，根據公司基準測試，LongCat Flash Chat 的表現可媲美 DeepSeek V3.1、阿里雲 Qwen3 系列與 Moonshot AI 的 Kimi K2，與 Anthropic 的 Claude Sonnet 及 Google 的 Gemini 2.5 Flash 相比也具競爭力。模型採用允許廣泛使用與修改的授權，顯示美團有意圍繞其 AI 技術堆疊，打造活躍的開發者生態系。
目錄
LongCat Flash Chat 的定位是快速、可投入正式環境使用的基礎模型，而非著重推理的系統。這反映出明確的取捨：較不強調緩慢而複雜的邏輯推演，更著重回應迅速的代理行為、工具使用與指令遵循。此次發布承接美團 2023 年以 2.81 億美元收購 AI 新創公司 Light Year，也符合其涵蓋內部工作流程 AI、終端使用者產品 AI 功能，以及核心模型打造的內部策略。
美團推出了什麼
美團文件將 LongCat Flash Chat 描述為一款專家混合模型，總參數量達5600 億。每個 token 實際啟用的參數僅占一部分，通常介於186 億至 313 億，平均約 270 億。選擇性啟用是模型速度與成本特性的關鍵。模型支援最長 128k tokens 的上下文視窗，因此能處理長篇對話、文件或多步驟任務，不必頻繁重新開始。
美團稱這是一款非思考型基礎模型。《財新國際》報導指出，模型不具備進階推理能力，但在多種指令與代理任務上仍有亮眼表現。程式碼儲存庫列出模型在通用基準測試、指令遵循、數學、程式設計、工具使用及安全評估上的競爭力分數。開發者可在 Hugging Face 的此頁面取得模型權重與文件，並在官方網站 longcat.ai瀏覽產品資訊。程式碼與權重採用 MIT 授權條款釋出。
LongCat 架構解析
專家混合模型會將大型網路拆分成許多稱為專家的專用元件。路由器會判斷每個 token 應交由哪些專家處理。每個 token 只啟用少數專家，模型因此能保有龐大的總容量，同時控制每個步驟的運算量。這種做法已成為擴大模型規模、又不讓推論成本暴增的常見方式。
淺談專家混合模型
可以把這套系統想成一支大型團隊，每則訊息只會召集少數專家。路由器會依據內容挑選專家，避免不必要的運算。美團的設計另有幾項變化。報告介紹了零運算專家，這些專家充當佔位元件；當路由器需要平衡負載，或降低簡單 token 的運算量時，就可以選用它們。此外，系統幕後還有一個 PID 控制器，會調整專家的偏置，以維持平均啟用參數量穩定。PID 代表比例、積分、微分，是一種常見控制方法，可讓系統逐步接近目標水準而不致震盪。
為了提升吞吐量，LongCat Flash Chat 採用捷徑連接式 MoE架構，增加通訊與運算的重疊。在多 GPU 環境中，通訊時間可能成為效能瓶頸。捷徑連接可建立更快速的路徑，讓網路部分元件在資料於裝置間傳輸時加快處理。技術說明指出，在 H800 級硬體上，單一使用者的推論速度可超過每秒 100 個 token。
速度與成本說法
開源社群整理與中國媒體報導稱，美團透過高度平行化架構，約 30 天完成訓練；模型在 H800 加速器上的生成速度可達每秒 100 個 token。美團表示，在特定條件下，每百萬個 token 的輸出成本約為5 元人民幣。實際成本會因硬體、批次大小及部署框架而異，但其主打訴求十分明確：美團將 LongCat Flash Chat 定位為兼具速度與競爭力品質，且每次請求所需運算資源較少的模型。
訓練方法與穩定性
儲存庫列出多項穩定性輔助方法：透過超參數遷移，將不同規模模型的良好設定沿用下去；採用模型成長初始化，讓較大型版本從較小型版本起步；以及運用搭配 z loss 的路由器梯度平衡方法，維持 MoE 路由器的穩定。團隊強調採用確定性計算，以確保執行結果可重現。在資料方面，美團介紹了兩階段預訓練融合策略與多代理合成框架，用來生成複雜任務軌跡，培養代理行為。整體而言，這套訓練流程著重可靠性與代理效能，而非深入的多步驟推理。
與競爭對手相比如何
美團的基準測試顯示，LongCat Flash Chat 可與中國領先的通用模型並駕齊驅。比較對象包括 DeepSeek V3.1、阿里雲 Qwen3 系列與 Moonshot AI 的 Kimi K2。報告也指出，模型相較於 Claude Sonnet、Gemini 2.5 Flash 等知名美國模型表現出色。部分報導甚至提到，模型在特定非思考型任務上也與 GPT 4.1 相比。確切排名取決於基準測試組合與提示設定。廠商自行測試可作為參考，第三方評估則有助於呈現更完整的面貌。
「非思考型」是重要的定位限定。著重推理的系統力求跨多個步驟規劃與反思，通常生成速度較慢、運算成本也較高。LongCat Flash Chat 則專注於快速遵循指令、使用工具及協調代理。對於重視回應時間、吞吐量與成本可預測性，而非複雜草稿推理的應用情境，這種做法更為合適。
代理任務在實務上的意義
代理任務涉及能呼叫工具、擷取資訊、遵循工作流程，並判斷何時需要更多輸入的模型。系統可能會瀏覽文件、查詢內部資料庫、呼叫付款 API，或草擬客戶訊息。LongCat Flash Chat 針對這類工作進行調校，目標是迅速做出決定、處理長篇上下文，並維持低延遲，讓實際應用中的互動更為即時。
美團已在旗下業務中試驗代理技術。公司曾展示用於 AI 輔助程式設計的 NoCode、支援商業決策的 Kangaroo Advisor，以及管理飯店營運的 美團既白。快速的代理引擎可協助處理商家上架、客戶支援案件分流、庫存查核、路線規劃支援及行銷文案生成等工作。在電子商務與在地服務領域，許多任務更需要穩定速度、工具連接能力與長上下文保留，而非緩慢的逐步推理。
策略、收購與中國開源浪潮
美團於 2023 年以 2.81 億美元收購 Light Year，正式加大投入核心模型。公司領導人曾將策略描述為三個層次：將 AI 用於內部工作、導入消費者產品，以及打造基礎模型。LongCat Flash Chat 是基礎模型層面的首個公開成果，也呼應中國科技公司更廣泛的趨勢。阿里巴巴、與 DeepSeek 有關的研究團隊及 Moonshot AI 等公司陸續開源，透過快速迭代與社群測試，逐步縮小與西方同業的差距。
開源授權在此格外重要。美團以 MIT 授權條款公開權重與程式碼，讓新創公司、研究團隊及企業團隊能在限制較少的情況下進行實驗、調整與部署。這有助於擴大回饋來源與應用範圍，也讓美團得以在外界建立技術實力的公信力，不再只以外送服務聞名。多個消息來源指出，美團將其 AI 方針形容為積極進取，並試圖透過速度與開放性爭取開發者青睞。
授權、部署與安全
LongCat Flash Chat 採用 MIT 授權條款釋出，這是一種允許廣泛商業使用的寬鬆授權。儲存庫提供 vLLM 與 SGLang 的部署指南。這些框架廣泛用於高吞吐量推論，具備連續批次處理與分頁注意力等功能，可降低服務成本。只啟用部分專家的模型，也很適合搭配能減少 GPU 閒置時間的環境。
與所有大型語言模型一樣，LongCat Flash Chat 也有其限制。文件提醒開發者，應在自身使用情境中評估安全性、公平性與法律遵循情況。處理個人資料、財務或健康資訊的領域尤其需要留意。美團資料包含安全評估與紅隊測試，也提醒使用者在敏感情境中應用模型時遵守法律與產業規範。
投資人反應與市場訊號
發布後的財經報導指出，儘管美團加入推出具競爭力模型的中國企業行列，其股價仍走低。TipRanks 引述《南華早報》的基準測試，並指出更廣泛的政策背景：中國加大對科技產業的扶持，同時面臨貿易摩擦。市場反應往往落後於產品的實際發展。對投資人而言，關鍵在於模型能否帶動採用、降低美團內部營運成本，以及外部開發者是否會選用它來打造實際產品。
更大的訊號是，許多原本不在 AI 核心圈內的企業，如今也開始發布模型，並在代理應用情境的速度、成本與能力方面挑戰既有業者。這股趨勢可能改變企業對 AI 技術堆疊來源的看法，也會進一步促使模型開發商證明其在務實、對延遲敏感的任務中能創造價值，而不只是追求基準測試排行榜上的名次。
重點整理
- 美團於 2025 年 9 月上旬在 GitHub 與 Hugging Face 推出開源專家混合模型 LongCat Flash Chat，總參數量達 5600 億。
- 模型每個 token 啟用 186 億至 313 億個參數，平均約 270 億，在保有龐大總容量的同時降低運算成本。
- 技術報告中的基準測試宣稱，模型表現可媲美 DeepSeek V3.1、阿里雲 Qwen3、Moonshot AI 的 Kimi K2，與 Claude Sonnet 及 Gemini 2.5 Flash 相比也具競爭力。
- 美團將系統定位為非思考型基礎模型，著重速度、指令遵循、工具使用與代理工作流程，而非深度推理。
- 工程設計包括零運算專家、用於調整專家偏置的 PID 控制器、捷徑連接式 MoE 架構，以及 128k token 上下文視窗。
- 技術說明指出，模型在 H800 硬體上的速度超過每秒 100 個 token；在特定條件下，每百萬個 token 的輸出成本約為 5 元人民幣。
- 程式碼與權重採 MIT 授權條款釋出，並提供 vLLM 與 SGLang 部署指南。
- 此次發布承接美團 2023 年收購 Light Year，也支援其涵蓋工作工具、產品與核心模型的三層 AI 策略。
- TipRanks 報導指出，消息公布後美團股價下跌，顯示投資人情緒可能取決於實際採用情況與成本節省成效。
- 此次發布加入中國開源模型浪潮，這些模型正縮小與西方同業的差距，並聚焦快速代理應用情境。
