LongCat

LongCat是由中国互联网公司美团开发的大型语言模型系列，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，其最新模型为LongCat-2.0（2026年6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（，GPT）系列，专注于智能体（）任务场景下的实用性与推理效率。

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
衍生版本
LongCat-Flash-Chat
2025年9月1日，美团正式发布并开源LongCat-Flash-Chat。该模型采用混合专家模型（，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。

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。

架构特性
LongCat-Flash引入「零计算专家（）」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。

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。

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。

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（，DiT）架构构建，以MIT许可证开源。

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（）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（，BSA）替代密集注意力，以降低长视频生成的计算开销。

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。

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。

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（）、草图生成（）与证明（）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（，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%。

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（，NTP）范式统一建模各类模态。

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。

LongCat-2.0-Preview
2026年4月24日，美团正式推出新一代基础大模型LongCat-2.0-Preview，面向公众开放邀请测试，测试期间每位用户每日可免费使用一千万Token的额度,LongCat-2.0-Preview采用混合专家架构，同时支持1M上下文。 在架构与训练策略上，该模型重点强化了对智能体场景的支持，显著提升在代码编写、多步骤任务分解与执行规划等实际生产环节中的表现。 其总参数量和激活参数量，与DeepSeek同日发布的新一代V4大模型基本一致。

参见
*大型语言模型列表
*DeepSeek
*通义千问
*美团

参考来源