提到美團，你可能會想到穿梭在大街小巷的黃衣騎手，以及手機里那個“送啥都快”的生活小助手。

而這一次，美團選擇將“小助手”背后的“超級大腦”開源！

就在上周日（8.31）凌晨，美團正式發布并開源了千億參數大模型 LongCat-Flash。僅開源一天，LongCat-Flash 便登上了 Hugging Face 熱榜！這款模型在僅激活少量參數、推理速度更快的情況下，性能直接看齊業界頂級水平，并在指令遵循（IFEval）、智能體工具使用（τ2-Bench）等多項評測中表現優異，超越同類模型。

Hugging Face 地址：huggingface.co/meituan-longcat/LongCat-Flash-Chat

GitHub 地址：github.com/meituan-longcat/LongCat-Flash-Chat

現在，你可以直接前往 longcat.ai 免費在線體驗。你邊玩，我邊講。

一、快成一道閃電

LongCat-Flash 最令我印象深刻的，就是它的“快”！

雖然擁有高達 5600 億的總參數量，但推理速度卻能達到驚人的 100 Tokens/s（TPS）。

這意味著，模型輸出內容時，不再是“擠牙膏”式地一段字一段字蹦，而是像閃電一樣刷刷刷地給出結果。

根據官方數據，LongCat-Flash 在 H800 上可以實現 100 Tokens/s 的生成速度，輸出成本低至 5 元/百萬 Token，真正做到了“又快又省”。

二、“偷懶”的藝術

這么快的速度是怎么來的？LongCat-Flash 基于兩個核心技術，讓它既有“大塊頭”的智慧，又有“小身板”的敏捷。

零計算專家（Zero-computation Experts）

咱們都知道，不是所有問題都一樣難，LongCat-Flash 也懂這個道理！

它引入了一種“零計算專家”機制，就像學霸做卷子，簡單的送分題一掃而過，把時間都花在壓軸的大題上。通過這種算力按需分配機制，每個 Token 可根據上下文需求僅激活 18.6B~31.3B 的少量參數，實現算力的高效利用，大大提升了效率。

更快的 MoE（Shortcut-connected MoE）

傳統模型工作起來，經常是“一步做完再做下一步”，中間會有等待的空窗期，浪費時間。LongCat-Flash 采用了 ScMoE 架構，徹底優化了內部工作流。

這好比一條更快的流水線，上一個工序的零件還沒完全打包好，下一個工序就已經開始并行處理了，讓計算和通信無縫銜接。這樣一來，無論是訓練還是推理，整體效率都得到了巨大提升。

三、成績單怎么樣？

LongCat-Flash 的性能在各大基準測試（Benchmark）中也相當能打。

它不僅在通用能力上看齊了 DeepSeek-V3.1、Kimi-K2 等業界頂尖模型，更是在智能體工具使用（Agentic Tool Use）方面表現出了明顯的優勢。

在 τ2-Bench 和美團自家的真實業務場景測試 VitaBench 中，LongCat-Flash 都取得了最高分（SOTA），甚至超越了一些參數更多的模型。

四、AI Agent 將是下一代“超級助手”

如今的 AI，早已不再滿足于僅陪你聊天，而是在向能訂票、分析數據、操作軟件等多方面進化，真正成為你的智能生活助手——這就是 Agent 時代。

美團 LongCat-Flash 正是瞄準了這一趨勢。憑借極快的輸出速度、卓越的指令遵循能力，以及強大的工具調用性能，讓開發者能夠更加輕松地構建出高效、有用的 AI Agent 應用，實現真正智能的生活助手體驗。

坦率地講，美團此時開源大模型的時間上確實稍晚于其他“玩家”，但我注意到美團 LongCat-Flash 的發力點非常明確——專注于模型在 Agent 場景下的可用性，聚焦解決 AI 技術“如何真正有用”的問題。這種投入絕不是“玩票”，而是面向未來的戰略選擇。

Hugging Face 地址：huggingface.co/meituan-longcat/LongCat-Flash-Chat

GitHub 地址：github.com/meituan-longcat/LongCat-Flash-Chat

在線體驗：longcat.ai

或許，下一代真正改變我們生活的超級助手，正在悄然走近我們。