imported>Kurgenera：加入{{Notability}}标记

2026-05-07T00:29:16Z

加入{{Notability}}标记

新页面

{{Notability|time=2026-05-07T00:29:16+00:00}}
{{NoteTA
|G1=IT
}}
{{Infobox software
| title = LongCat
| logo =
| developer = [[美团]]
| released = LongCat-Flash-Chat<br>{{Start date and age|2025|09|01}}
| latest release = LongCat-Next<br>{{Start date and age|2026|04|02}}
| genre = [[大型语言模型|LLM]]<br>[[基于转换器的生成式预训练模型|GPT]]<br>[[基础模型|LxM]]
| license = [[MIT許可證|MIT]]（部分模型）
| website = {{URL|https://longcat.ai}}
}}

'''LongCat'''是由中国互联网公司[[美团]]开发的[[大型语言模型]]系列<ref>{{Cite web|title=LongCat AI by Meituan|url=https://www.longcatai.org/|website=www.longcatai.org|language=en|access-date=2026-05-06}}</ref>，涵盖语言、多模态、图像生成、视频生成与语音交互等多类模型，其最新版本为LongCat-Next（2026年4月）。

== 概述 ==
LongCat是由美团旗下LongCat团队开发的[[基于转换器的生成式预训练模型]]（{{Lang|en|Generative pre-trained transformer}}，GPT）系列，专注于智能体（{{lang|en|Agentic}}）任务场景下的实用性与推理效率。<ref>{{Cite web|title=美团正式发布并开源 LongCat-Flash-Chat|url=https://tech.meituan.com/2025/09/01/longcat-flash-chat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

LongCat系列模型大多以[[MIT许可证]]开源发布，可在GitHub及Hugging Face平台获取，同时通过官网longcat.ai向公众提供在线对话体验。

== 版本历史 ==
{| class="wikitable sortable"
!版本
!类型
!发布日期
!状态
|-
|LongCat-Flash-Chat
|语言大模型（MoE，560B参数）
|2025年9月1日
|{{active}}
|-
|LongCat-Flash-Thinking
|推理模型
|2025年12月
|{{active}}
|-
|LongCat-Flash-Thinking-2601
|推理增强语言模型（升级版）
|2026年1月15日
|{{active}}
|-
|LongCat-Flash-Omni
|全模态语言模型
|2026年3月
|{{active}}
|-
|LongCat-Video
|视频生成模型（13.6B参数）
|2025年9月
|{{active}}
|-
|LongCat-Image
|图像生成模型（6B参数）
|2025年
|{{active}}
|-
|LongCat-Audio-Codec
|语音编解码模型
|2025年
|{{active}}
|-
|LongCat-Flash-Prover
|数学定理证明模型
|2026年4月
|{{active}}
|-
|LongCat-Next
|原生多模态模型
|2026年4月2日
|{{active}}
|}

=== LongCat-Flash-Chat ===
2025年9月1日，美团正式发布并开源LongCat-Flash-Chat。<ref>{{Cite web|title=美团正式发布并开源 LongCat-Flash-Chat，动态计算开启高效 AI 时代|url=https://tech.meituan.com/2025/09/01/longcat-flash-chat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>该模型采用混合专家模型（{{lang|en|Mixture-of-Experts}}，MoE）架构，总参数量为560B，每个Token依据上下文需求仅激活18.6B至31.3B参数（平均约27B）。模型在H800上的推理速度达到100+ tokens/s，API输出成本为5元/百万Token，以MIT许可证开源。<ref>{{Cite web|title=美团正式发布并开源 LongCat-Flash-Chat|url=https://www.meituan.com/news/NN250901129002898|website=www.meituan.com|language=zh|access-date=2026-05-06}}</ref>

在基准测试方面，LongCat-Flash-Chat在ArenaHard-V2中得分86.50，在MMLU中得分89.71，在CEval中得分90.44。在智能体工具使用测试τ2-Bench中的成绩超越参数规模更大的模型，并在VitaBench复杂场景评测中以24.30分排名第一。在指令遵循评测IFEval中得分89.65，排名第一；中文指令遵循基准COLLIE得分57.10，Meeseeks-zh得分43.03。<ref>{{Cite web|title=美团正式发布并开源 LongCat-Flash-Chat|url=https://tech.meituan.com/2025/09/01/longcat-flash-chat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

==== 架构特性 ====
LongCat-Flash引入「零计算专家（{{lang|en|Zero-Computation Experts}}）」机制，对于上下文中较简单的Token可跳过大部分计算，仅在需要时调用更多参数，从而实现算力按需分配。此外，该模型在层间铺设跨层通道，使MoE的通信与计算能够大程度上并行，极大提升训练与推理效率。训练过程采用超参迁移与模型层叠加方式，整体训练在30天内完成。<ref>{{Cite web|title=美团正式发布并开源 LongCat-Flash-Chat|url=https://tech.meituan.com/2025/09/01/longcat-flash-chat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

=== LongCat-Flash-Thinking 系列 ===
LongCat-Flash-Thinking是在LongCat-Flash基础上强化推理能力的版本，主要面向需要多步规划与逻辑推理的复杂任务场景。

2026年1月15日，升级版LongCat-Flash-Thinking-2601正式发布并开源。该版本创新性地引入「重思考模式」，通过并行推理（同时探索多条推理路径）与深度总结（对多路径结果进行整合优化）两阶段设计，提升复杂任务中的表现。根据官方资料，LongCat-Flash-Thinking-2601在Agentic Search、Agentic Tool Use与TIR等核心评测基准上均达到开源模型SOTA水平。<ref>{{Cite web|title=LongCat-Flash-Thinking-2601|url=https://tech.meituan.com/tags/longcat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

=== LongCat-Flash-Omni ===
LongCat-Flash-Omni是LongCat-Flash系列的全模态版本，支持文本、图像、视频理解，以及语音感知与生成等多类任务，采用端到端架构设计。<ref>{{Cite web|title=Longcat - 美团技术团队|url=https://tech.meituan.com/tags/longcat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

=== LongCat-Video ===
LongCat-Video是美团LongCat团队发布的视频生成模型，参数量为13.6B，基于扩散Transformer（{{lang|en|Diffusion Transformer}}，DiT）架构构建，以MIT许可证开源。<ref>{{Cite web|title=Meituan's LongCat Video|url=https://crepal.ai/blog/aivideo/longcat-video-meituan/|website=crepal.ai|language=en|access-date=2026-05-06}}</ref>

该模型以统一框架同时支持文本生成视频（T2V）、图像生成视频（I2V）与视频续写三类任务，所有任务均在同一Transformer骨干内处理。在长视频生成方面，LongCat-Video采用粗到精（{{lang|en|coarse-to-fine}}）两阶段流程：首先以480p、15fps生成粗版视频，再通过基于LoRA的「精修专家」升至720p、30fps输出，该流程可在单张H800 GPU上数分钟内完成生成。此外，模型采用稀疏块注意力（{{lang|en|Block Sparse Attention}}，BSA）替代密集注意力，以降低长视频生成的计算开销。<ref>{{Cite web|title=LongCat-Video: Generate 1 minute long AI videos with this model|url=https://medium.com/data-science-in-your-pocket/longcat-generate-1-minute-long-ai-videos-with-this-model-a93f7a695c1b|website=medium.com|language=en|access-date=2026-05-06}}</ref>

=== LongCat-Image ===
LongCat-Image是美团LongCat团队发布的图像生成模型，参数量为6B，以MIT许可证开源，支持文本生图与图像编辑。<ref>{{Cite web|title=Longcat - 美团技术团队|url=https://tech.meituan.com/tags/longcat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

=== LongCat-Audio-Codec ===
LongCat-Audio-Codec是美团LongCat团队发布的专用语音编解码方案，提供一套Token生成器与Token还原器工具链，将原始音频信号映射为语义与声学并行的Token序列，并通过解码模块重构高质量音频，为语音大模型提供全链路音频处理支持。<ref>{{Cite web|title=Longcat - 美团技术团队|url=https://tech.meituan.com/tags/longcat.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

=== LongCat-Flash-Prover ===
LongCat-Flash-Prover是面向数学形式化与定理证明的专用开源模型，支持自动形式化（{{lang|en|Auto-Formalization}}）、草图生成（{{lang|en|Sketching}}）与证明（{{lang|en|Proving}}）三项原子能力，并基于Lean4形式语言对输出进行机器可验证。根据官方技术资料，该模型结合工具集成推理（{{lang|en|Tool-Integrated Reasoning}}，TIR），在MiniF2F-Test上仅用72次推理尝试即达到97.1%的通过率；在MathOlympiad-Bench上得分46.7%，在PutnamBench上得分41.5%。<ref>{{Cite web|title=LongCat AI - LongCat-Next and Open Multimodal Models|url=https://www.longcatai.org/|website=www.longcatai.org|language=en|access-date=2026-05-06}}</ref>

=== LongCat-Next ===
2026年4月2日，美团LongCat团队发布并开源LongCat-Next，这是一个原生离散多模态模型，将图像、音频与文本统一映射为同源的离散Token，并通过单一自回归骨干以纯粹的下一个Token预测（{{lang|en|Next Token Prediction}}，NTP）范式统一建模各类模态。<ref>{{Cite web|title=美团发布原生多模态 LongCat-Next：当视觉和语音成为AI的母语|url=https://tech.meituan.com/2026/04/02/longcat-next.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

LongCat-Next以LongCat-Flash-Lite MoE（总参数68.5B，激活参数3B）为基座，在DiNA框架下训练，并采用dNaViT分词器进行任意分辨率视觉分词。理解与生成在同一Token空间内被统一为同一数学问题，以相同自回归目标训练。<ref>{{Cite web|title=美团发布原生多模态 LongCat-Next：当视觉和语音成为AI的母语|url=https://tech.meituan.com/2026/04/02/longcat-next.html|website=tech.meituan.com|language=zh|access-date=2026-05-06}}</ref>

== 参见 ==
*[[大型语言模型列表]]
*[[DeepSeek]]
*[[通义千问]]
*[[美团]]

== 参考来源 ==
{{reflist|30em}}

{{生成式人工智能}}
{{生成式人工智慧聊天機器人}}

[[Category:人工智慧]]
[[Category:機器學習]]
[[Category:大型語言模型]]
[[Category:聊天機器人]]
[[Category:虛擬助理]]
[[Category:2025年軟體]]
[[Category:中国人工智能]]
[[Category:美团]]

LongCat - 版本历史

imported>Kurgenera：​加入{{Notability}}标记

imported>Kurgenera：加入{{Notability}}标记