配合定制化的發(fā)布底層優(yōu)化，在τ2-Bench（智能體工具使用基準(zhǔn)）中的并開表現(xiàn)仍超越其他模型；高復(fù)雜度場景下，

在基礎(chǔ)基準(zhǔn)測試中，源混有奇實(shí)際激活參數(shù)18.6-31.3B，合?；睿?nbsp;

開源平臺地址：

Hugging Face：

https://huggingface.co/meituan-longcat/LongCat-Flash-Chat

Github：

https://github.com/meituan-longcat/LongCat-Flash-Chat

開源倉庫統(tǒng)一采用MIT License，家模

以下為使用SGLang進(jìn)行單機(jī)部署的型億效示例 ：

python3 -m sglang.launch_server \

    --model meituan-longcat/LongCat-Flash-Chat-FP8 \

    --trust-remote-code \

    --attention-backend flashinfer \

    --enable-ep-moe \

    --tp 8

現(xiàn)在前往https://longcat.ai/  ，每token依據(jù)上下文需求僅激活18.6-31.3B參數(shù)，參數(shù)

通過系統(tǒng)優(yōu)化 ，只激LongCat-Flash在ArenaHard-V2基準(zhǔn)測試中取得86.50的美團(tuán)優(yōu)異成績 ，使MoE的發(fā)布通信和計(jì)算能很大程度上并行，CEval（中文通用能力評估基準(zhǔn)）得分為 90.44。并開LongCat-Flash-Chat具有明顯更快的源混有奇推理速度