LongCat

LongCat是由中国互联网公司美团开发的大型语言模型系列^[1]，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）。

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（Generative pre-trained transformer，GPT）系列，专注于智能体（Agentic）任务场景下的实用性与推理效率。^[2]

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。

2025年9月1日，美团正式发布并开源LongCat-Flash-Chat。^[3]该模型采用混合专家模型（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。^[4]

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。^[5]

LongCat-Flash引入「零计算专家（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。^[6]

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。^[7]

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。^[8]

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（Diffusion Transformer，DiT）架构构建，以MIT许可证开源。^[9]

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（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（Block Sparse Attention，BSA）替代密集注意力，以降低长视频生成的计算开销。^[10]

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。^[11]

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。^[12]

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（Auto-Formalization）、草图生成（Sketching）与证明（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（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%。^[13]

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（Next Token Prediction，NTP）范式统一建模各类模态。^[14]

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。^[15]

• 大型语言模型列表
• DeepSeek
• 通义千问
• 美团