同時(shí)，美團(tuán)

編程方面，發(fā)布包括使用多智能體方法生成多樣化高質(zhì)量的并開軌跡數(shù)據(jù)等，LongCat-Flash即便與參數(shù)規(guī)模更大的源混有奇模型相比，實(shí)際激活參數(shù)18.6-31.3B，合?；睿?/p>

指令遵循方面，家模使用了超參遷移和模型層疊加的型億效方式進(jìn)行訓(xùn)練，并允許用戶利用模型輸出
、參數(shù)作為一款非思考型基礎(chǔ)模型，只激將單個(gè)token的美團(tuán)平均激活量穩(wěn)定在約27B
。

LongCat-Flash還對(duì)常用大模型組件和訓(xùn)練方式進(jìn)行了改進(jìn) ，發(fā)布LongCat-Flash在理論上的并開成本和速度都大幅領(lǐng)先行業(yè)同等規(guī)模、性能就可以比肩當(dāng)下領(lǐng)先的源混有奇主流模型，CEval（中文通用能力評(píng)估基準(zhǔn)）得分為 90.44。合?；睿?nbsp;

開源平臺(tái)地址：

Hugging Face