美团发布LongCat-Flash-560B开源大模型，MIT协议，多项能力实测第一冲顶开源王座

美团 8 月 31 日发布 5600 亿参数开源大模型 LongCat-Flash，并以 MIT 许可证全量开源，配套官网与部署指南。

摘要

首创“零计算专家机制”，推理时仅激活 186–313 亿参数，平均 270 亿，推理速度 >100 token/s，兼顾性能与成本。

双重注意力 + Shortcut-MoE 架构、模型增长初始化、梯度平衡与优化器定制，使得在数万张加速卡上训练 560B 模型仍稳定无事故。

通用、数学、指令跟随均处第一梯队；在代理工具基准 τ²-Bench 与 VitaBench 上大幅领先，凸显真实业务落地能力，同时安全评测名列前茅。

中国首个 560B 级开源 MoE 模型，为“高效大模型”提供新范式；上线即登 GitHub 热榜，降低企业与开发者使用门槛，推动 AI 生态共建。

8月31日，我们印象中做外卖的公司——美团（Meituan），扔出了一颗重磅炸弹。他们正式发布了一款名为LongCat-Flash的模型。一个拥有5600亿总参数的庞然大物，一家外卖巨头，一出手就是王炸。

LongCat-Flash不仅仅是参数量大，它背后那套创新的动态计算机制和高效的训练推理架构，给整个行业带来了全新的解题思路。

巨无霸的身材，却有颗精打细算的心

LongCat-Flash参数规模高达5600亿，听起来就非常“耗电”。但它的高明之处在于，你不需要在每次问答时都调动这5600亿个“大脑神经元”。通过一套创新的动态计算机制，在实际处理你的问题时，它只会激活其中186亿到313亿的参数，平均下来也就270亿左右。

这是什么概念呢？就好比你拥有一个由5600位专家组成的智囊团，但每次开会解决问题，你只需要根据议题的难度，请来最相关的十几位或几十位专家就够了。这样一来，既保证了问题的解决质量，又极大地节省了开会成本。

这个设计的核心，被美团官方称为“零计算专家机制”（Zero-Computation Experts Mechanism）。它允许模型自己判断每个词（token）的重要性。遇到简单的、不那么关键的词，模型就把它交给“零计算专家”处理，几乎不消耗计算资源，就像是前台收发一下文件；而遇到复杂的、关键的词，模型则会唤醒相应的“领域专家”网络，进行深度思考和处理。这种能屈能伸、张弛有度的设计，让LongCat-Flash实现了超过每秒100个token的惊人推理速度，在性能和效率之间找到了一个堪称完美的平衡点。

驯服这头“巨兽”的独门秘籍

要打造并成功训练一个5600亿参数的模型，其难度不亚于在狂风中建造一座摩天大楼，任何一个环节的疏忽都可能导致整个工程的崩塌。美团的LongCat团队显然是有备而来，他们拿出了一整套精妙绝伦的“施工方案”。

首先，在架构上，LongCat-Flash就显得与众不同。它采用了“双重注意力块设计”，每一层网络里都塞了两个注意力机制，还巧妙地结合了前馈神经网络（FFN, 前馈神经网络）和混合专家（MoE, 混合专家）结构。更绝的是，他们引入了一种叫做“快捷连接混合专家设计”（Shortcut-connected MoE, ScMoE）的创新。我们知道，当专家数量多起来，专家之间的“沟通成本”会急剧上升，成为性能的瓶颈。ScMoE设计就像是给专家们开通了VIP通道，大大提升了沟通效率，使得在数万个加速器上进行大规模训练成为可能。

其次，在训练策略上，他们没有采用传统的“从零开始”的蛮力方法。而是用了一种更聪明的“模型增长初始化机制”（Model-Growth Initialization Mechanism）。简单来说，就是先训练一个规模小一半的模型，等这个“小号”模型训练得差不多了，再把它作为地基，通过堆叠的方式来初始化最终的“大号”模型。事实证明，站在“巨人”的肩膀上，确实能看得更远，这种方式为最终模型的性能打下了坚实的基础。

为了保证这个庞然大物在长达数月的训练过程中不“发脾气”（比如出现损失爆炸），团队还集成了一整套“维稳”技术，包括“原则性路由器梯度平衡”来协调专家们的工作量，“隐藏z损失组件”来防止某些神经元过于兴奋，还有专门为模型架构定制的优化器配置。这些措施确保了LongCat-Flash的训练过程异常平稳，没有出现任何不可恢复的重大事故。

模型多项测评遥遥领先

好了，说了这么多精巧的设计和理论，LongCat-Flash的实战能力究竟如何？美团团队把它和当前世界上最顶尖的一批模型，放在同一个擂台上进行了全方位的严格测试。

我们先来看看基本参数的对比。

数据来源：LongCat-Flash技术报告

接下来是硬碰硬的性能对决。在通用知识、语言理解等传统强项上，LongCat-Flash表现稳健，与一众顶级模型打得有来有回，稳稳地站在了第一梯队。

数据来源：LongCat-Flash技术报告

在指令跟随能力，也就是“听话”程度上，LongCat-Flash展现出了全面的领先优势，尤其是在两个新的、更具挑战性的基准测试COLLIE和Meeseeks-zh上，分数都名列前茅。

数据来源：LongCat-Flash技术报告

数学推理能力是检验模型逻辑思维的试金石，在这方面，LongCat-Flash同样表现不俗。

数据来源：LongCat-Flash技术报告，*表示数据来自其他公开报告

真正让LongCat-Flash脱颖而出，展现其“杀手锏”级别的能力的，是在代理工具使用（Agent）方面的测试。这考验的是模型理解并操作复杂工具来完成现实世界任务的能力，比如帮你预订机票、管理电信业务等。

数据来源：LongCat-Flash技术报告，*表示数据来自其他公开报告

从数据中可以清晰地看到，在τ²-Bench电信领域的测试中，LongCat-Flash以73.68的平均分一骑绝尘。在另一个专门为真实世界商业场景设计的基准测试VitaBench上，它更是以24.30的平均分夺魁。这充分证明了美团在训练模型时，并不仅仅是为了刷榜，而是真正瞄准了AI在实际业务场景中的落地应用，这或许也与它自身的业务背景息息相关。

同时，在安全性能方面，LongCat-Flash也交出了一份优秀的答卷，在有害内容避免和犯罪内容预防等关键维度上均名列前茅，体现了团队在负责任AI方面的努力。