【美团发布并开源5600亿参数混合专家模型】美团宣布正式发布LongCat-Flash-Chat AI模型，并同步开源，采用创新性混合专家(MoE)，总参数量达560B(5600亿)，实际激活参数18.6-31.3B，平均仅27B，从而实现计算效率与性能的双重优化。
美团声称，根据多项基准测试综合评估，作为一款非思考型基础模型，LongCat-Flash-Chat在仅激活少量参数的前提下，性能就可以比肩当下领先的主流模型，尤其在智能体任务中具备突出优势。
同时，因为面向推理效率的设计和创新，LongCat-Flash-Chat具有明显更快的推理速度，更适合于耗时较长的复杂智能体应用。
美团LongCat-Flash在架构层面引入“零计算专家（Zero-Computation Experts）”机制，总参数量560B，每token依据上下文需求仅激活18.6-31.3B参数，实现算力按需分配和高效利用。
为控制总算力消耗，训练过程采用PID控制器实时微调专家偏置，将单个token的平均激活量稳定在约27B。
此外，LongCat-Flash在层间铺设跨层通道，使MoE的通信和计算能很大程度上并行，极大提高了训练和推理效率。
配合定制化的底层优化，LongCat-Flash在30天内完成了高效训练，并在H800 GPU上实现单用户100+ tokens/s的推理速度。
LongCat-Flash还对常用大模型组件和训练方式进行了改进，使用了超参迁移和模型层叠加的方式进行训练，并结合了多项策略保证训练稳定性，使得训练全程高效且顺利。
针对智能体（Agentic）能力，LongCat-Flash自建了Agentic评测集指导数据策略，并在训练全流程进行了全面的优化，包括使用多智能体方法生成多样化高质量的轨迹数据等，实现了优异的智能体能力。
通过算法和工程层面的联合设计，LongCat-Flash在理论上的成本和速度都大幅领先行业同等规模、甚至规模更小的模型。
通过系统优化，LongCat-Flash在H800上达成了100 tokens/s的生成速度，同时输出成本低至5元/百万token。
