RA0.CN · 大模型生态观察 访问官网 ↗

LongCat：美团把 5600 亿参数做成了「能推理、能调用、能多模态」的龙猫家族

当多数互联网大厂的 AI 能力还藏在 App 背后，美团选择把 LongCat 大模型开源，用 5600 亿参数、MoE 架构、27B 激活的策略，在推理、智能体和多模态三条线上同时发力。本文用生态图谱的方式，拆解 LongCat 的产品家族与竞争格局。

LongCat（龙猫）是美团团队推出的大模型系列，核心产品 LongCat-Flash 是一款拥有 5600 亿参数的混合专家（MoE）语言模型，每次推理仅激活 270 亿参数，在计算效率与能力之间取得平衡[1]。该系列包括面向对话的 LongCat-Flash-Chat、面向深度推理的 LongCat-Flash-Thinking、面向多模态的 LongCat-Flash-Omni 等分支，并提供 API 开放平台供开发者调用[2]。

美团 AI 生态图谱：LongCat 站在什么位置

要理解 LongCat，不能只看模型本身，要看它在美团 AI 生态中的位置。下面用一张生态图谱，把 LongCat 的上下游关系梳理清楚。

应用层美团 App 智能体验

搜索推荐、智能客服、商家运营工具等，LongCat 的能力通过产品体验间接触达数亿用户。

平台层LongCat API 开放平台

提供模型调用、用量统计、API Key 管理，开发者可通过 API 接入 LongCat 能力。

模型层LongCat 模型家族

Flash-Chat（对话）、Flash-Thinking（推理）、Flash-Omni（多模态）等分支，覆盖不同场景需求。

开源层Hugging Face / ModelScope

模型权重开源，支持开发者下载、部署、微调，降低大模型使用门槛。

工具层LongCat Chat 在线体验

官网提供在线对话入口，用户可直接与模型交互，无需注册复杂流程。

生态层开发者社区与合作伙伴

围绕 LongCat 形成的开发者生态，包括第三方应用集成、行业解决方案等。

产品家族表：LongCat 的四个核心成员

LongCat 不是单一模型，而是一个模型家族。下面用一张表，把核心成员的关键信息整理清楚。

模型定位核心能力参数规模激活参数适用场景
LongCat-Flash-Chat通用对话日常问答、内容创作、代码辅助560B27B在线对话、智能客服、内容生产
LongCat-Flash-Thinking深度推理逻辑推理、数学运算、复杂分析560B27B数据分析、编程辅助、决策支持
LongCat-Flash-Omni多模态交互图像理解、语音重建、实时音视频560B27B多模态内容理解、实时交互
LongCat-Next多模态支线视觉与语言联合任务——图像描述、视觉问答、图文生成

需要说明：以上参数信息来自公开技术报告，具体数值可能随版本更新变化，以官方最新发布为准。

核心技术：为什么 MoE + 27B 激活值得关注

LongCat-Flash 的核心设计选择是「大规模 MoE + 小激活量」——5600 亿总参数，但每次推理只激活 270 亿。这种设计的底层逻辑是：用「宽度」换「深度」，用「专家分工」换「通用计算」。

MoE 的优势不同「专家」擅长不同任务，推理时只调用相关专家，避免「所有参数都为每个 token 工作」的浪费。理论上，总参数越大、激活参数越小，效率优势越明显。
MoE 的挑战专家路由的精度直接影响效果——如果路由判断错误，本该由「数学专家」处理的问题被分给「文学专家」，质量会下降。训练稳定性和负载均衡也是工程难点。

LongCat-Flash 在技术报告中提到的「Zero-computation Experts」设计，是 MoE 架构的一个创新方向：允许部分专家在特定条件下「跳过计算」，进一步动态分配计算预算[1]。这种设计让模型在保持大参数量的同时，把实际计算成本压到可控范围。

与竞品对比：开源大模型格局里的 LongCat

LongCat 所处的赛道，是全球最拥挤的开源大模型赛道。下面把它和几个代表性竞品放在一起看。

模型团队架构总参数激活参数核心差异化
LongCat-Flash美团MoE560B27BZero-computation Experts、强 Agent 能力
DeepSeek-V3深度求索MoE671B37B强推理与代码能力、开源先发
Qwen3阿里Dense/MoE——全尺寸覆盖、生态完善
LLaMA 4MetaMoE——全球化生态、多模态
Kimi K2月之暗面MoE1T32B超长上下文、Agent 能力

这张表的重点不是「谁的参数更大」，而是「谁的设计更适合什么场景」。LongCat 的差异化在于「Zero-computation Experts」带来的效率优势，以及在 BrowseComp、VitaBench 等智能体基准上的开源 SOTA 表现[2]。

美团为什么要做 LongCat：商业逻辑解读

美团做 LongCat，不只是「跟上 AI 潮流」，而是有清晰的商业逻辑。下面从三个维度解读。

内部提效

美团的业务涉及外卖、到店、酒旅、买菜等多个场景，每个场景都有大量需要 AI 处理的任务——搜索排序、推荐优化、客服对话、商家运营。自研大模型可以针对这些场景深度定制，比通用模型更高效。

外部赋能

通过 API 开放平台和开源，把 LongCat 的能力输出给开发者与商家。商家可以用它做智能客服、营销文案、数据分析；开发者可以基于它构建应用，形成围绕美团的 AI 生态。

从更宏观的视角看，LongCat 是美团「AI 基础设施化」战略的一环。和阿里、字节、百度一样，美团正在把 AI 从「业务支撑工具」升级为「平台级基础设施」，而自研大模型是这一升级的核心抓手。在这个维度上，LongCat 的竞争对手不仅是 DeepSeek、Qwen 这些模型，更是各家公司把 AI 能力「平台化」的速度。

值得注意的是，LongCat 的技术报告提到了「环境扩展、多环境 RL 训练、抗噪训练」等针对智能体「落地难」问题的专项优化。这意味着 LongCat 不只是在「 benchmark 刷分」上发力，而是在努力解决「实验室指标好、实际用不起来」的行业痛点。如果这些优化能在真实场景中兑现，LongCat 在智能体赛道的竞争力将进一步提升。对于开发者和企业用户来说，LongCat 的开源策略和 API 开放平台提供了一个低门槛的试用入口，建议有智能体需求的团队将其纳入候选列表进行实测评估。

关于 LongCat 的常见疑问

LongCat 是开源的吗？

是的。LongCat 模型权重在 Hugging Face 和 ModelScope 上开源，支持开发者下载、部署和微调。开源协议以官方发布为准。

个人开发者可以使用吗？

可以。通过 LongCat Chat 官网可以直接在线体验，通过 API 开放平台可以接入 API 进行开发，部分模型支持本地部署。

和 ChatGPT 比怎么样？

LongCat 在中文场景和智能体任务上有较好的表现，但在全球化生态和第三方工具集成上，与 ChatGPT 仍有差距。选择取决于具体使用场景。

API 调用收费吗？

LongCat API 开放平台提供调用服务，具体计费方式以平台实时公示为准。通常有免费额度供开发者试用。

支持哪些编程语言？

API 调用通常支持主流编程语言（Python、JavaScript、Java 等），具体 SDK 支持以官方文档为准。

和美团 App 里的 AI 是什么关系？

LongCat 是美团自研的大模型，美团 App 中的部分 AI 能力可能基于 LongCat 或美团其他 AI 技术构建，具体实现以官方说明为准。

参考资料

  1. 来源：arXiv LongCat-Flash Technical Report（技术报告原文）— https://arxiv.org/pdf/2509.01322
  2. 来源：美团技术团队博客（LongCat-Flash-Thinking-2601 技术报告发布）— https://tech.meituan.com/2026/02/02/LongCat-Flash-Thinking-2601-techreport.html
  3. 来源：LongCat 官网（在线体验与 API 平台）— https://longcat.chat/
  4. 来源：Hugging Face LongCat 模型页 — https://huggingface.co/meituan-longcat/
  5. 来源：ModelScope LongCat 模型页 — https://www.modelscope.cn/models/meituan-longcat/
  6. 来源：36氪 大模型赛道报道 — https://36kr.com
  7. 来源：量子位 开源大模型相关报道 — https://www.qbitai.com
青衣网络 AI 观察团队 · 最后更新 2026-08-25 —— 本文依据公开资料独立撰写，仅作信息整理与技术测评用途；模型能力、参数与开源协议以 LongCat 官网及官方技术报告实时公布为准。