LongCat-Flash-Chat

Meituan

LongCat-Flash-Chat — первая открытая фундаментальная модель Meituan с архитектурой Mixture-of-Experts на 560B параметров, динамически активирующая 18.6B–31.3B параметров (~27B в среднем). Использует Zero-Computation Experts для эффективной маршрутизации, поддерживает контекст 128K. Оптимизирована для диалоговых и агентных задач, демонстрирует конкурентную производительность в рассуждениях, программировании и использовании инструментов.

Основные характеристики

Параметры
560.0B
Контекст
-
Дата выпуска
28 августа 2025 г.
Индекс
19.3

Временная шкала

Ключевые даты в истории модели
Анонс
28 августа 2025 г.
Последнее обновление
17 февраля 2026 г.
Сегодня
19 ноября 2026 г.

Технические характеристики

Параметры
560.0B
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Общие знания

Тесты на общие знания и понимание
MMLU
• данные разработчика
90.0%

Программирование

Тесты на навыки программирования
HumanEval
HumanEval+ Pass@1 • данные разработчика
88.0%
SWE-Bench Verified
• данные разработчика
60.4%

Рассуждения

Логические рассуждения и анализ
GPQA
• данные разработчика
73.2%
DROP
Оценка F1 • данные разработчика
79.1%

Другие тесты

Специализированные бенчмарки
MATH-500
• данные разработчика
96.0%
IFEval
• данные разработчика
90.0%
ZebraLogic
• данные разработчика
89.0%
CMMLU
• данные разработчика
84.0%
MMLU-Pro
• данные разработчика
82.7%
AIME 2025
avg@10 • данные разработчика
61.3%
LiveCodeBench
pass@1 • данные разработчика
48.0%
Tau2 Airline
avg@4 • данные разработчика
58.0%
Tau2 Retail
avg@4 • данные разработчика
71.3%
Tau2 Telecom
avg@4 • данные разработчика
73.7%
Terminal-Bench
• данные разработчика
39.5%

Лицензия и метаданные

Лицензия
MIT
Дата анонса
28 августа 2025 г.
Последнее обновление
17 февраля 2026 г.

LongCat-Flash-Chat: плюсы и минусы

Плюсы

  • Открытые веса — можно запустить на своём сервере
  • Сильнее всего в тесте MATH-500 — 96.0%

Минусы

  • Уступает новым моделям по сводному индексу (225-е место из 345)
  • Работает только с текстом — картинки не понимает
  • Слабее в тесте Terminal-Bench — 39.5%
  • Нет данных о доступе по API

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.