一、LongCat 是什么？
LongCat 是 美团（Meituan）LongCat 团队推出的 AI 大模型品牌，官网 slogan「LongCat, Beyond Scale」（Beyond Scale，超越规模）。它以推理（Reasoning）与智能体（Agent）为核心理念，构建覆盖大语言模型、AI Coding Agent、对话与 API 平台的产品矩阵。官方域名包括 longcat.ai（AI Coding Agent / 研究）与 longcat.chat（网页对话 / API 开放平台）。LongCat 团队先后推出旗舰 LongCat-2.0（万亿参数 MoE）与前代开源推理模型 LongCat-Flash-Thinking（LFT），并在数学推理、代码生成、通用推理与形式化定理证明等基准上表现全球领先。
二、当前旗舰：LongCat-2.0（万亿参数 MoE）
发布日期：2026 年 6 月 29 日（官方编号「Introducing LongCat-2.0」研究文章）。
核心指标：1.6 万亿参数（1.6T）MoE（混合专家）大语言模型，支持 1M（百万级）超长上下文。
训练与定位：基于国产超级节点训练，在编程与 Agent 任务上表现卓越；官网产品页以「Co-created with LongCat 2.0」落款，旗舰地位确认。
对比前代：相比 LFT（560B），LongCat-2.0 规模跃升至万亿级，上下文大幅扩展至 1M，进一步强化编程与智能体能力。
三、前代开源推理模型：LongCat-Flash-Thinking（LFT）
LongCat-Flash-Thinking（简称 LFT）是 LongCat 团队推出的基于混合专家架构（MoE）的大型推理模型，是开源社区首个同时具备「深度思考+工具调用」与「非形式化+形式化」推理能力的里程碑式模型。
模型参数：
基于 MoE 架构，总参数量达 5600 亿（560B）；通过上下文感知动态计算机制，仅需激活 186 亿至 313 亿参数（平均约 270 亿）即可完成复杂任务，激活率仅 4.8%。
突破传统大模型「参数规模与计算成本正相关」瓶颈，实现「更智能、更经济」。
AIME25 数学基准：使用原生工具调用可减少 64.5% Token 消耗，同时保持顶级准确率。
LiveCodeBench 编程：性能与闭源 GPT-5 持平，推理速度提升 3 倍。
核心特点：
1. 动态计算与零计算专家（Zero-computation Experts）：通过快捷连接 MoE（ScMoE）架构将计算与通信重叠窗口扩大 3 倍，提升推理吞吐量；零计算专家机制可智能跳过非关键输入（如标点、停用词），处理长文本可降低约 30% 推理延迟。
2. 双路径推理框架：支持「深度思考+工具调用」与「非形式化+形式化」推理结合，成为国内首个具备此类能力的开源模型；智能体任务中自主调用外部工具完成复杂任务编排（τ²-Bench 得分 74.0，刷新开源 SOTA 纪录）。
3. 课程学习与多阶段训练：预训练采用课程学习策略，中期训练强化逻辑推理，有监督微调（SFT）优化指令遵循与安全性；训练数据涵盖数学、物理、化学及编程。
四、模型性能评测
1. 数学推理（接近满分）：
MATH-500：得分 99.2%，几乎达到理论极限。
AIME25：在保证 90% 准确率前提下，使用工具后 Token 消耗减少 64.5%。
HMMT / AIME 相关基准：超越 OpenAI o3，与 Qwen3-235B-A22B-Thinking 等领先模型持平。
2. 代码生成（紧追 GPT-5）：
LiveCodeBench：得分 79.4，显著超越其他开源模型，与 GPT-5 表现相当。
OJBench：得分 40.7，接近 Gemini2.5-Pro 水平。
3. 通用推理（超越闭源）：
ARC-AGI：得分 50.3，超越 OpenAI o3、Gemini2.5 Pro 等顶尖闭源模型。
ZebraLogic 解谜：得分 95.5%，展现强大的结构化推理能力。
4. 形式化定理证明（绝对领先）：
MiniF2F-test：pass@1 达 67.6%，比次优模型高出 18%，在 pass@8 / pass@32 中同样保持领先。
5. 智能体任务（Agent）：
τ²-Bench：得分 74.0，刷新开源 SOTA 纪录，支持自主工具调用与复杂任务编排。
五、技术优势
1. 高效训练与推理：
在数万张加速卡上，RL 训练速度达到传统同步方式的 3 倍以上，FLOPs 投入仅为预训练阶段的 20%。
通过改良 PPO 算法（引入截断重要性采样与裁剪机制），解决异步训练中的数值差异问题，提升稳定性。
2. 安全性与指令遵循：
在有害内容、犯罪、虚假信息及隐私四类风险测试中均拿下最高分，确保开放场景可靠性。
训练判别式奖励模型（基于人机联合标注数据）和生成式奖励模型（GenRM），在数学与编程任务中实现「有理有据」的反馈。
六、产品线与生态
主要产品：
LongCat 网页版：大众用户对话入口（longcat.chat），支持深度思考、联网搜索、图片生成、视频生成、深度研究，并提供下载手机应用（LongCat App）。
API 开放平台：longcat.ai/platform，提供使用指南/API 文档/工具/定价，按量付费。
LongCat AI Coding Agent：longcat.ai 首页定位，面向编码场景的 Agent 能力。
应用：CatPaw、NoCode 等衍生应用。
开源生态（前代 LFT）：
MIT 许可证开放模型权重与代码，支持自由修改、分发与商用。
提供 HuggingFace、GitHub 平台支持，并上线专属聊天网站（longcat.chat），降低开发门槛。
提供详细聊天模板、部署指南及分布式沙箱系统（支持 20 多种编程语言、数百万次并发代码执行），方便快速集成与测试。
美团希望通过开源吸引全球开发者参与生态共建，探索更多应用场景（如 AI 搜索、面向消费者的 Agent 产品），反哺自身业务创新。
七、应用场景
1. 智能体开发：自动化客服、任务编排、实时决策；在美团本地生活服务中，模型可优化配送链路、商户信息处理及库存管理。
2. 科研与教育：在数学、物理、化学等领域，辅助科研人员快速验证假设、生成定理证明，或为学生提供个性化辅导。
3. 金融与医疗：结合形式化推理能力，可应用于风险评估、合同审查、医疗诊断等高复杂度任务，提升决策准确性。
八、怎么开始使用？
对话体验（大众）：访问 https://longcat.chat/，支持深度思考、联网搜索、图片/视频生成、深度研究；可下载 LongCat App。
API 接入（开发者）：访问 https://longcat.ai/ → API 开放平台（longcat.ai/platform），注册后获取密钥按量调用（当前按量付费模型 LongCat-2.0）。
AI Coding Agent（开发者）：使用 longcat.ai 的 LongCat - AI Coding Agent 能力辅助编码。
开源模型（研究者）：通过 HuggingFace / GitHub 获取 LFT 权重与代码（MIT 许可），结合聊天模板、部署指南与分布式沙箱集成。
合作与支持：商务合作、加入我们、常见问题、接口文档等入口（京ICP备2024094994号-3 / 京公网安备 11010502057507号）。
九、定价与收费
LongCat-2.0 API 按量付费（/ 百万 Tokens，美元计价）：
计费项 | 原价（美元/百万 Tokens） | 折扣价（美元/百万 Tokens，限时） |
|---|---|---|
输入（未命中缓存） | $0.75 | $0.30 |
输入（命中缓存） | $0.015 | $0.006 |
输出 | $2.95 | $1.20 |
说明：折扣价为平台初上线限时优惠，实际费用以结算为准。当前 API 按量付费支持模型为 LongCat-2.0。前代开源模型 LFT（MIT 许可）可免费用于研究与商用部署（自行托管）。
十、LongCat 常见问题（FAQ）
Q1：LongCat 是什么？
美团（Meituan）LongCat 团队推出的 AI 大模型品牌，以推理与智能体为核心，覆盖大语言模型、AI Coding Agent、对话与 API 平台；官网 slogan「LongCat, Beyond Scale」。
Q2：LongCat 最新版本是什么？
当前旗舰 LongCat-2.0（2026-06-29 发布）：1.6 万亿参数（1.6T）MoE 大语言模型，支持 1M 超长上下文，基于国产超级节点训练，在编程与 Agent 任务上表现卓越。
Q3：LongCat-Flash-Thinking 是什么？
LongCat 推出的开源推理模型（LFT，560B 总数 MoE，激活率仅 4.8%），开源社区首个同时具备「深度思考+工具调用」与「非形式化+形式化」推理能力的里程碑模型，MIT 许可。
Q4：LongCat 性能如何？
LFT：MATH-500 99.2%、AIME25 Token 减 64.5%、LiveCodeBench 79.4（与 GPT-5 相当）、ARC-AGI 50.3（超越 o3/Gemini2.5 Pro）、MiniF2F-test pass@1 67.6%、τ²-Bench 74.0（开源 SOTA）。
Q5：LongCat 免费吗？
前代开源模型 LFT（MIT 许可）可免费用于研究与商用（自行托管）；官方按量付费 API（LongCat-2.0）输入未命中缓存 $0.30 / 命中缓存 $0.006 / 输出 $1.20 每百万 Tokens（限时折扣，以官网为准）。
Q6：LongCat 怎么用？
对话可用 longcat.chat 网页版 / LongCat App；开发者用 longcat.ai API 开放平台（LongCat-2.0 按量付费）；程序员用 LongCat AI Coding Agent；研究者用 HuggingFace/GitHub 获取开源模型。
Q7：LongCat 能做什么？
深度思考、联网搜索、图片生成、视频生成、深度研究、编程与 Agent 任务；应用场景覆盖智能体开发、科研教育、金融医疗，以及美团本地生活（配送/商户/库存）。
Q8：LongCat 开源吗？
前代 LFT 以 MIT 许可证开源（模型权重与代码，支持修改/分发/商用），并提供 HuggingFace、GitHub、分布式沙箱与部署指南，方便开发者集成。
十一、结语：LongCat 的定位与价值
LongCat 的价值，在于它把「领先的推理性能」「极致的能效比」与「面向 Agent 的能力」结合成一条从开源推理模型到万亿级旗舰再到 AI Coding Agent的完整路径——前代 LFT 用 560B MoE + 仅 4.8% 激活率证明了「更智能、更经济」的 MoE 动态计算路线（MATH-500 99.2%、MiniF2F 67.6%、τ²-Bench 74.0 等全球领先），并以 MIT 开源回馈社区；当前 LongCat-2.0 更将规模跃升至 1.6 万亿（1.6T）MoE、1M 超长上下文，强化编程与 Agent 能力，并以按量付费 API 落地商业化。对开发者而言，LongCat 既提供了可免费研究与商用的开源模型，也提供了对话（网页版/App）、API、AI Coding Agent等多元入口；对行业而言，它呼应了 GPT-5 的「路由器」机制、DeepSeek V3.1 的「双模架构」等「混合推理/自适应计算」趋势，并以降低推理成本（如 AIME25 Token 减少 64.5%）为大规模部署铺平道路——正如 slogan「LongCat, Beyond Scale」，LongCat 试图在「规模」之外，用能效与推理力定义新一代大模型的竞争力。
