據內媒報道，美團（3690）開源了「龍貓」大模型（LongCat-Flash），性能上亦追平了DeepSeek V3.1等模型。龍貓是一個擁有5,600億參數的混合專家（MoE）模型，最創新是其「零計算」專家機制，即模型可判斷輸入內容中不同部份的重要性，並將計算量較小任務分配給「零計算」專家，從而令模型處理每個詞元（token）時，僅需動態啟動186億至313億參數，實現性能與效率的平衡。
擁高速推理 極低營運成本
報道指出，在大規模MoE模型中，不同「專家」模組之間的通訊延遲往往是效能瓶頸，「龍貓」大模型則引進了快速連結混合專家模型（ScMoE）， 透過引入一個快捷連接，有效地擴大運算和通訊的重疊窗口，顯著提升了訓練和推理的吞吐量，讓模型的反應速度更快。
報道提到，「龍貓」大模型擁有極高的推理速度，每秒速度超過100字元；極低的營運成本，每處理100萬輸出詞元成本僅為0.7美元；以及強大的綜合能力，支援128k的長文本上下文，並在程式碼、推理和工具調用等多個方面展現出與業界領先模型相媲美的競爭力。
對話和推理能力非常優秀
該模型不僅在多個方面與業界頂尖的開源模型旗鼓相當，甚至在某些特定能力上實現了超越，當中在ArenaHard-V2該項得分為86.5 ，超過了DeepSeek V3.1，並與Qwen3 MoE（88.2分）非常接近，說明其對話和推理能力非常優秀。
此外，該模型在IFEval及COLLIE這兩個專門評估模型理解並執行複雜指令的基準中，也超越了DeepSeek V3.1及名列前茅，其中在COLLIE測試中更是在所有參與對比模型中排名第一。目前「龍貓」模型已發佈在Hugging Face和Githiub社區，並遵循MIT許可協議。
