AI圈子刚被美团狠狠投下了一颗炸弹。

今天，美团正式开源了自研的超大规模混合专家模型——LongCat-Flash（龙猫-闪电版）。

参数规模直接拉到 5600亿，但它并不是传统意义上“堆料”的庞然大物，而是一个通过精巧架构设计，把算力花在刀刃上的“高效怪兽”。

简单说，它不仅跑得快、省得多，还带着一身强悍的 Agent能力，在和DeepSeek、Qwen这些顶级模型的对比中，几乎全面打平，甚至部分场景实现了反超。

一切从“零计算专家”开始

在常规MoE（混合专家模型）中，每个任务可能要调动大量参数，算力消耗巨大。美团的LongCat-Flash玩出了一个新花样：

👉 零计算专家（Zero-computation Experts）

这是一类特殊的“专家模块”，专门负责处理低价值计算。比如标点符号、常见短词这些没必要“算半天”的东西，直接由它接手返回输入，等于“不算也行”。

好处是什么？算力节省直接拉满。

最终效果是：虽然模型总参数有 5600亿，但每次推理只需激活 186亿 ~ 313亿（平均270亿），相当于用不到三分之一的资源，就能做到和全力输出一样的效果。

MoE最大的痛点被治好了

大规模MoE常见的瓶颈在于专家之间的通信，来回传递容易拖慢速度。

美团的解决方案叫做 ScMoE（Shortcut-connected MoE）。

它像在高速公路上加了一个“加急通道”，让计算和通信可以大幅重叠，从而提升吞吐量。翻译过来就是：训练更顺滑，推理响应更快。

这也是为什么LongCat-Flash能做到 100+ tokens/s 的推理速度，体验非常丝滑。

真正为Agent量身定制的训练

美团这次的野心并不是只做一个聊天机器人。

LongCat-Flash的训练路线很“分段式”：

• 第一阶段：大规模预训练，打好知识底子。

• 第二阶段：专门强化代码和推理能力。

• 第三阶段：后训练聚焦在对话和工具调用。

这样的好处是，模型不仅能聊天，还能真正具备 调用工具、与环境交互的“智能代理”能力。

这也是为什么它在指令遵循测试里，表现直接碾压同级别模型，在COLLIE评测中更是拿下了第一名。

隐晦的硬件暗示

一个细节耐人寻味。

官方技术报告里提到，LongCat-Flash的训练是在一个包含数万个“加速器” 的集群上完成的，30天训完20万亿tokens。

注意：这里他们用的是“Accelerators”，而不是“GPU”。

这意味着，背后的硬件可能并不完全依赖英伟达，也可能有TPU、昇腾等国产AI芯片的身影。虽然没有明说，但措辞极其严谨，耐人寻味。

成果直接体现在用户体验

说到底，模型再炫酷，落到用户层面就两个问题：快不快，贵不贵。

LongCat-Flash给的答案是：

• 推理速度：超过100 tokens/s

• 推理成本：每百万输出tokens仅需 0.7美元

• 上下文窗口：支持128k，轻松处理超长文本

• 能力对比：在MMLU、Arena、CEval等测试里全面对标DeepSeek、Qwen等顶级模型，有的项目还实现了领先

这意味着，它不仅能和国际一线模型正面对抗，还把推理成本拉到地板价，杀伤力极强。

开源：美团的豪气与野心

最让人兴奋的是，美团选择了MIT许可 开源，把LongCat-Flash直接放在了Hugging Face和GitHub上。

这等于说，全球开发者、研究者都可以免费用、随便玩。

对于整个AI开源生态来说，这无疑是一针强心剂。

• 官网：longcat.ai

• Hugging Face：LongCat-Flash

• GitHub：美团LongCat

写在最后

美团开源龙猫大模型，看似是AI技术层面的竞争，但本质上，它带来的是更高效的算力利用、更低的推理成本，以及对Agent能力的深度探索。

一句话总结：

这是国产大模型追平乃至超越国际一线的又一次硬核突破。

未来不只是DeepSeek一家独大，龙猫的加入，意味着真正的“群雄并起”时代可能已经到来。

了解AI破局企培，加V：jianghu10002。

扫码加入技术琐话读者群，了解更多AI科技资讯