Inilabas ng Meituan ang LongCat Flash Chat, isang Mixture of Experts model na may 560 bilyong parameter

Bakit mahalaga ang paglulunsad na ito ngayon

Sumali ang Meituan, higanteng kompanya ng mga serbisyong on demand sa China, sa alon ng mga open source large language model sa paglalabas nito ng LongCat Flash Chat, isang sistemang pinagsasama ang napakaraming parameter at disenyong pangunahing nakatuon sa episyente. Inanunsyo ito noong unang bahagi ng Setyembre 2025 at inilathala para sa mga developer sa GitHub at Hugging Face. May kasama itong teknikal na ulat na naglalagay rito sa hanay ng mga nangungunang kasalukuyang sistema. Ayon sa Meituan, kapantay ng LongCat Flash Chat ang performance ng DeepSeek V3.1, pamilya ng Qwen3 ng Alibaba Cloud, at Kimi K2 ng Moonshot AI. Mahusay din ang paghahambing nito sa Claude Sonnet ng Anthropic at Gemini 2.5 Flash ng Google, batay sa mga benchmark ng kompanya. Lisensyado ito para sa malawakang paggamit at pagbabago, na nagpapahiwatig ng pagsisikap na bumuo ng aktibong komunidad ng mga developer sa paligid ng AI stack ng Meituan.

Inilalarawan ang LongCat Flash Chat bilang isang mabilis at handa para sa produksyon na foundation model, sa halip na sistemang nakatuon sa pangangatwiran. Ipinakikita ng pagtutuong ito ang malinaw na pagpili: hindi gaanong binibigyang-diin ang mababagal at masalimuot na lohikal na proseso, at higit na pinagtutuunan ang mabilis tumugong kilos ng mga agent, paggamit ng mga tool, at pagsunod sa mga tagubilin. Kasunod ito ng pagbili ng Meituan noong 2023 sa AI startup na Light Year sa halagang 281 milyong dolyar. Kaakibat din ito ng panloob na estratehiyang sumasaklaw sa AI para sa mga daloy ng trabaho sa kompanya, mga feature ng AI sa mga produktong ginagamit ng mga mamimili, at pagbuo ng mga pangunahing modelo.

Ano ang inilabas ng Meituan

Inilalarawan sa dokumentasyon ng kompanya ang LongCat Flash Chat bilang modelong Mixture of Experts na may kabuuang 560 bilyong parameter. Maliit na bahagi lamang ng mga parameter na ito ang aktibo sa bawat token, karaniwang nasa 18.6 bilyon hanggang 31.3 bilyon, at may average na humigit-kumulang 27 bilyon. Sentro sa bilis at gastos ng modelo ang piling pag-activate na ito. Sinusuportahan ng modelo ang mahabang context window na hanggang 128k token, kaya nitong iproseso ang mahahabang pag-uusap, dokumento, o gawaing maraming hakbang nang hindi kailangang paulit-ulit na magsimula muli.

Ayon sa Meituan, isa itong nonthinking foundation model. Iniulat ng Caixin Global na hindi kasama sa modelo ang mga advanced na kakayahan sa pangangatwiran, ngunit mahusay pa rin ang resulta nito sa maraming gawaing nangangailangan ng pagsunod sa tagubilin at paggamit ng agent. Itinatampok sa repository ang mga mapagkumpitensyang marka sa mga pangkalahatang benchmark, pagsunod sa tagubilin, matematika, coding, paggamit ng tool, at mga pagsusuri sa kaligtasan. Makukuha ng mga developer ang mga weight at dokumentasyon ng modelo sa Hugging Face sa pahinang ito at matitingnan ang mga detalye ng produkto sa opisyal na site na longcat.ai. Inilabas ang code at mga weight sa ilalim ng MIT License.

Sa loob ng arkitektura ng LongCat

Hinahati ng mga modelong Mixture of Experts ang isang napakalaking network sa maraming espesyalisadong bahagi na tinatawag na experts. Pinipili ng router kung aling mga expert ang gagamitin para sa bawat token. Sa pamamagitan ng pag-activate lamang sa maliit na pangkat ng mga expert kada token, napapanatili ng modelo ang malaking kabuuang kapasidad habang kinokontrol ang dami ng komputasyon sa bawat hakbang. Karaniwan na ang paraang ito sa pagpapalaki ng mga modelo nang hindi sumisirit ang gastos sa inference.

Payak na paliwanag sa Mixture of Experts

Isipin ang sistema bilang malaking pangkat kung saan iilang espesyalista lamang ang tinatawag para sa bawat mensahe. Pinipili ng router ang mga espesyalistang ito batay sa nilalaman, kaya nababawasan ang di-kailangang trabaho. May ilang dagdag na elemento ang disenyo ng Meituan. Inilalarawan sa ulat ang Zero Computation Experts, mga placeholder na maaaring piliin kapag kailangang balansehin ng router ang load o bawasan ang komputasyon para sa mga simpleng token. Mayroon ding PID controller sa likod ng sistema na nag-aayos sa bias ng mga expert upang mapanatiling matatag ang average na bilang ng mga aktibong parameter. Nangangahulugan ang PID ng proportional, integral, derivative. Karaniwan itong paraan ng pagkontrol na unti-unting nagtutulak sa sistema patungo sa target na antas nang hindi nagdudulot ng pabagu-bagong galaw.

Para pataasin ang throughput, gumagamit ang LongCat Flash Chat ng disenyo ng shortcut connected MoE na nagpapalawak sa sabayang daloy ng komunikasyon at komputasyon. Sa mga setup na gumagamit ng maraming GPU, maaaring maging sagabal sa performance ang oras ng komunikasyon. Lumilikha ang mga shortcut connection ng mga landas na nagpapabilis sa pag-usad ng ilang bahagi ng network habang inililipat ang data sa pagitan ng mga device. Ayon sa teknikal na tala, mahigit 100 token bawat segundo ang bilis ng inference para sa iisang user sa hardware na H800 class.

Mga pahayag tungkol sa bilis at gastos

Ayon sa mga buod ng open source at mga ulat ng media sa China, natapos ng Meituan ang pagsasanay sa loob ng humigit-kumulang 30 araw gamit ang setup na may mataas na antas ng parallelism. Kaya rin umanong bumuo ng modelo ng 100 token bawat segundo sa mga H800 accelerator. Tinataya ng kompanya ang gastos sa output na halos 5 yuan kada milyong token sa mga partikular na kondisyon. Nag-iiba ang aktuwal na gastos batay sa hardware, laki ng batch, at deployment framework, ngunit malinaw ang pangunahing pahayag: itinatampok ng Meituan ang LongCat Flash Chat bilang modelong ginawa para sa bilis, na may mapagkumpitensyang kalidad at mas mababang konsumo ng komputasyon sa bawat kahilingan.

Paraan ng pagsasanay at katatagan

Binabalangkas sa repository ang ilang paraan para mapatatag ang sistema: paglilipat ng mga hyperparameter upang magamit muli ang mahusay na mga setting sa iba't ibang laki, pagsisimula sa pamamagitan ng pagpapalaki ng modelo upang magmula ang mas malalaking bersyon sa mas maliliit, at paraan ng pagbabalanse sa gradient ng router na may z loss upang mapanatiling maayos ang MoE router. Binibigyang-diin ng pangkat ang deterministic computation para mapadali ang muling paggawa ng mga run. Para naman sa data, inilalarawan ng Meituan ang two stage pretraining fusion strategy at multi agent synthesis framework para makabuo ng masalimuot na mga daloy ng gawain para sa kilos ng mga agent. Sa kabuuan, iniangkop ang pipeline ng pagsasanay para sa pagiging maaasahan at performance ng agent, sa halip na malalim na pangangatwirang may maraming hakbang.

Paghahambing sa mga kakompetensya

Inilalagay ng mga benchmark ng Meituan ang LongCat Flash Chat sa kapantay ng mga nangungunang pangkalahatang modelo ng China. Itinatampok sa mga paghahambing ang DeepSeek V3.1, pamilya ng Qwen3 ng Alibaba Cloud, at Kimi K2 ng Moonshot AI. Binabanggit din sa ulat ang mahusay nitong puwesto kumpara sa mga kilalang modelo ng United States tulad ng Claude Sonnet at Gemini 2.5 Flash. May ilang ulat ding bumabanggit ng mga paghahambing sa GPT 4.1 para sa mga partikular na gawaing hindi nangangailangan ng pangangatwiran. Nakadepende ang eksaktong ranggo sa benchmark suite at mga setting ng prompt. Panimulang batayan ang mga pagsusuring isinagawa ng mga vendor, at magbibigay ng mas kumpletong larawan ang mga pagtatasa ng ikatlong panig.

Mahalagang kwalipikasyon ang bansag na nonthinking. Layunin ng mga sistemang nakatuon sa pangangatwiran na magplano at magnilay sa maraming hakbang, kadalasan ay mas mabagal bumuo ng sagot at mas mataas ang gastos sa komputasyon. Nakatuon ang LongCat Flash Chat sa mabilis na pagsunod sa tagubilin, paggamit ng tool, at koordinasyon ng mga agent. Angkop ang paraang ito sa mga gamit kung saan higit na mahalaga ang bilis ng pagtugon, throughput, at mahuhulaang gastos kaysa sa detalyadong pangangatwiran gamit ang scratchpad.

Ano ang ibig sabihin ng mga gawaing agentic sa aktuwal na paggamit

Kabilang sa mga gawaing agentic ang paggamit ng modelo na kayang tumawag ng mga tool, kumuha ng impormasyon, sumunod sa mga workflow, at magpasya kung kailan hihingi ng dagdag na input. Maaaring maghanap ang engine sa dokumentasyon, kumonekta sa panloob na database, magpasimula ng payment API, o bumuo ng mensahe para sa customer. Iniangkop ang LongCat Flash Chat sa ganitong uri ng gawain. Layunin nitong mabilis magpasya, humawak ng mahahabang konteksto, at panatilihing mababa ang latency upang mabilis itong tumugon sa mga aktuwal na aplikasyon.

Nagsagawa na ang Meituan ng mga pagsubok sa paggamit ng agent sa iba't ibang bahagi ng negosyo nito. Ipinakita ng kompanya ang NoCode para sa coding na tinutulungan ng AI, Kangaroo Advisor para sa suporta sa mga desisyon sa negosyo, at Meituan Jibai para sa pamamahala ng operasyon ng hotel. Makakatulong ang mabilis na agent engine sa mga gawaing gaya ng pagpaparehistro ng mga merchant, pag-uuri ng mga kahilingan sa suporta sa customer, pagsusuri ng imbentaryo, suporta sa pagpaplano ng ruta, at pagbuo ng kopyang pangmarketing. Sa e-commerce at mga lokal na serbisyo, higit na nakikinabang ang maraming gawain sa maaasahang bilis, koneksiyon sa mga tool, at pagpapanatili ng mahabang konteksto kaysa sa mabagal na pangangatwirang sunod-sunod ang mga hakbang.

Estratehiya, mga pagkuha, at pagsikat ng open source sa China

Masigasig na sinimulan ng Meituan ang pagpasok nito sa pagbuo ng mga pangunahing modelo nang bilhin nito ang Light Year noong 2023 sa halagang 281 milyong dolyar. Inilarawan ng mga pinuno ng kompanya ang tatlong antas ng plano: AI para sa panloob na trabaho, AI sa mga produktong ginagamit ng mamimili, at pagbuo ng mga pundasyong modelo. Ang LongCat Flash Chat ang unang pampublikong patunay sa pundasyong antas. Kaayon din ito ng mas malawak na kalakaran sa mga kompanya ng teknolohiya sa China. Pinapaliit ng mga open source na inilalabas ng mga kompanyang tulad ng Alibaba, mga laboratoryong kaugnay ng DeepSeek, at Moonshot AI ang agwat sa mga katunggali sa Kanluran sa pamamagitan ng mabilis na pag-ulit ng pagbuo at pagsubok ng komunidad.

Mahalaga rito ang lisensyang open source. Sa paglalathala ng mga weight at code sa ilalim ng MIT License, inaanyayahan ng Meituan ang mga startup, grupo ng pananaliksik, at pangkat ng mga kompanya na magsubok, mag-angkop, at mag-deploy nang hindi napipigilan ng mabibigat na kondisyon. Pinalalawak nito ang hanay ng mga makapagbibigay ng puna at makagagamit sa modelo. Tinutulungan din nito ang Meituan na magtatag ng kredibilidad sa teknolohiya sa labas ng pangunahing pagkakakilanlan nito bilang kompanya ng food delivery. Binanggit ng ilang source na inilalarawan ng kompanya ang pamamaraan nito sa AI bilang agresibo at maagap, at layuning makuha ang atensiyon ng mga developer sa pamamagitan ng bilis at pagiging bukas.

Paglilisensya, deployment, at kaligtasan

Inilabas ang LongCat Flash Chat sa ilalim ng MIT License, isang maluwag na lisensyang nagpapahintulot ng malawakang komersiyal na paggamit. May kasamang gabay ang repository sa deployment gamit ang vLLM at SGLang. Sikat ang mga framework na ito para sa inference na may mataas na throughput. Kabilang sa mga feature ng mga ito ang tuloy-tuloy na batching at pagtuon ng atensiyon ayon sa pahina, na maaaring magpababa sa gastos ng paghahatid ng modelo. Likas na angkop ang modelong bahagya lamang nag-a-activate ng mga expert sa mga kapaligirang nagbabawas sa idle time ng mga GPU.

Tulad ng lahat ng large language model, may mga limitasyon ang LongCat Flash Chat. Hinihikayat ng dokumentasyon ang mga developer na suriin ang kaligtasan, pagiging patas, at pagsunod sa batas sa sarili nilang mga sitwasyon. Lalo itong mahalaga sa mga larangang humahawak ng personal na data, pananalapi, o kalusugan. Kabilang sa mga materyales ng Meituan ang mga pagsusuri sa kaligtasan at red teaming. Ipinaaalala rin ng mga ito sa mga user na sundin ang mga batas at tuntunin ng industriya kapag ginagamit ang modelo sa mga sensitibong konteksto.

Reaksiyon ng mga mamumuhunan at hudyat ng merkado

Iniulat ng mga balitang pampinansyal matapos ang paglalabas na bumaba ang presyo ng mga share ng Meituan kahit sumali ang kompanya sa hanay ng mga kompanyang Tsino na naglalabas ng mga mapagkumpitensyang modelo. Binanggit ng TipRanks ang mga benchmark ng South China Morning Post at itinuro ang mas malawak na konteksto ng polisiya: pinalalawak ng China ang suporta nito sa sektor ng teknolohiya habang nahaharap sa tensiyon sa kalakalan. Kadalasang nahuhuli ang reaksiyon ng merkado sa aktuwal na lagay ng produkto. Para sa mga mamumuhunan, mahalaga kung magtutulak ang modelo ng paggamit, magpapababa ng gastos sa operasyon ng Meituan, at pipiliin ito ng mga developer sa labas ng kompanya bilang engine para sa mga tunay na produkto.

Ang mas malaking hudyat ay naglalabas na ngayon ng mga modelo ang mga kompanyang malayo sa pangunahing hanay ng AI na humahamon sa mga nakatatag na manlalaro pagdating sa bilis, gastos, at kakayahan sa mga gamit na agent. Maaaring baguhin ng ganitong momentum ang pag-iisip ng mga kompanya tungkol sa pinagmumulan ng kanilang AI stack. Maaari rin nitong pabilisin ang pagdiin sa mga gumagawa ng modelo na patunayan ang halaga nito sa praktikal at sensitibo sa latency na mga gawain, sa halip na sa mga talaan lamang ng nangungunang marka sa benchmark.

Mahahalagang punto

• Inilabas ng Meituan ang LongCat Flash Chat, isang open source na modelong Mixture of Experts na may kabuuang 560 bilyong parameter, sa GitHub at Hugging Face noong unang bahagi ng Setyembre 2025.
• Ina-activate ng modelo ang 18.6 bilyon hanggang 31.3 bilyong parameter kada token sa karaniwan, kaya nababawasan ang gastos sa komputasyon habang napapanatili ang malaking kabuuang kapasidad.
• Ayon sa mga benchmark sa teknikal na ulat, kapantay ng performance nito ang DeepSeek V3.1, Qwen3 ng Alibaba Cloud, at Kimi K2 ng Moonshot AI. Mahusay din ang puwesto nito kumpara sa Claude Sonnet at Gemini 2.5 Flash.
• Inilalarawan ng Meituan ang sistema bilang nonthinking foundation model na nakatuon sa bilis, pagsunod sa tagubilin, paggamit ng tool, at mga workflow ng agent, sa halip na malalim na pangangatwiran.
• Kabilang sa mga tampok nito sa engineering ang Zero Computation Experts, PID controller para sa bias ng mga expert, shortcut connected MoE design, at 128k token na context window.
• Binabanggit sa mga teknikal na tala ang bilis na mahigit 100 token bawat segundo sa hardware na H800 at gastos sa output na halos 5 yuan kada milyong token sa mga partikular na kondisyon.
• Nasa ilalim ng MIT License ang code at mga weight, at may gabay sa deployment gamit ang vLLM at SGLang.
• Kasunod ang paglulunsad ng pagbili ng Meituan sa Light Year noong 2023, at bahagi ito ng mas malawak na estratehiya sa AI na may tatlong antas: mga tool sa trabaho, produkto, at mga pangunahing modelo.
• Iniulat ng TipRanks na bumaba ang presyo ng mga share matapos ang anunsyo, na nagpapakitang maaaring nakadepende ang saloobin ng mga mamumuhunan sa aktuwal na paggamit at pagtitipid sa gastos.
• Dagdag ang inilabas na ito sa lumalawak na aktibidad sa pagbuo ng mga open source na modelo sa China, na nagpapaliit sa agwat sa mga katunggali sa Kanluran at nakatuon sa mabilis na mga gamit ng agent.