美团正式开源了 LongCat-Flash-Chat——一款总参数量高达 560B 的 MoE 架构大模型，推理速度轻松突破 100 tokens/s，输出成本仅为 5 元/百万 token。这组数字意味着什么？简单来说，高效 AI 应用的门槛正在被重新定义。

技术亮点：零计算专家与动态激活

LongCat-Flash 架构的核心创新在于引入了“零计算专家（Zero-Computation Experts）”机制。总参数 560B，但每个 token 仅根据上下文需求激活 18.6B 至 31.3B 参数——平均激活量约 27B。这相当于给算力加装了一个智能开关：需要时全力运转，不需要时绝不浪费。

训练层面，团队利用 PID 控制器实时微调专家偏置，将单 token 平均激活量牢牢锁定在 27B 附近。同时，层间铺设的跨层通道让 MoE 的通信与计算大幅并行——训练效率自然水涨船高。整套优化下来，模型在 30 天内完成高效训练，在 H800 上实现单用户 100+ tokens/s 的推理速度。

针对智能体（Agentic）能力，LongCat-Flash 自建了 Agentic 评测集来指导数据策略，训练全流程采用多智能体方法生成多样化高质量的轨迹数据。算法与工程联合设计的结果是：理论成本和速度大幅领先行业同等规模甚至更小的模型，输出成本低至 5 元/百万 token 的同时，生成速度依然保持在 100 tokens/s。

性能评估：全面且能打

图2：LongCat-Flash 的基准测试性能

• 通用领域知识：ArenaHard-V2 得分 86.50，位列所有评估模型第二；MMLU 89.71，CEval 90.44，性能比肩国内领先模型，且参数规模远小于 DeepSeek-V3.1、Kimi-K2 等产品。
• 智能体工具使用：τ2-Bench 表现超越更大规模模型；高复杂场景下的 VitaBench 以 24.30 分拿下第一。
• 编程能力：TerminalBench 得分 39.51（第二），SWE-Bench-Verified 得分 60.4，说明实际命令行任务处理能力扎实。
• 指令遵循：IFEval 89.65（第一），COLLIE 57.10，Meeseeks-zh 43.03——中英文高难度指令集的双重冠军。

模型部署：开箱即用的高效方案

目前项目已提供基于 SGLang 和 vLLM 两套部署方案。以单机部署为例，使用 SGLang 的启动命令如下：

python3 -m sglang.launch_server \
    --model meituan-longcat/LongCat-Flash-Chat-FP8 \
    --trust-remote-code \
    --attention-backend flashinfer \
    --enable-ep-moe \
    --tp 8

所有细节均已在开源仓库中公开，感兴趣的团队可以直接拉取体验——毕竟，好的技术只有落地才能体现价值。