LongCat-Flash-Chat 官方模型卡：MoE 架构、基准与工具能力

一句话结论

LongCat-Flash-Chat 是 560B 总参数、平均约 27B 激活的非思考 MoE，官方表格显示其工具调用和指令遵循较强、代码中等偏强，但长上下文图遍历和隐私安全指标仍需单独验证。

适用场景

• 适合的任务：非思考对话、工具调用、多步 Agent、指令执行、代码生成/解释、低延迟大模型推理和 128K 长上下文任务。

• 不适合的任务：仅凭官方表格将其用于敏感生产系统；尤其是长上下文检索、隐私、安全和跨语言场景需本地复测。

• 适用的模型版本：开源 meituan-longcat/LongCat-Flash-Chat；API 后续版本与开源权重可能不同。

• 适用的客户端、Agent 或 API：Hugging Face 权重、SGLang/vLLM、本地 chat template；历史 LongCat API 另受退役时间线约束。

• 推荐的推理档位和参数：模型卡标为 non-thinking；未公开一组统一 temperature/top-p/采样参数。

测试环境

• 测试方：Meituan LongCat Team。

• 对照模型：DeepSeek V3.1、Qwen3 MoE-2507、Kimi-K2、GPT-4.1、Claude 4 Sonnet、Gemini 2.5 Flash。

• 模型规模：LongCat-Flash 总参数 560B，平均激活 27B（动态范围 18.6B–31.3B）。

• 推理效率主张：官方称 H800 推理速度超过 100 TPS；上下文在模型卡中为 128K，API 2025-12 更新另称支持 256K，需区分版本。

输入/配置

• 模式：non-thinking foundation model。

• 工具：官方给出 <longcat_tool_call> XML 工具调用格式，函数名和参数以 JSON 放入标签。

• 部署：仓库提供 SGLang/vLLM 基础适配和 deployment guide；完整硬件、量化、batch 和采样配置未公开。

• 评测备注：对照表注明部分带 * 的外部数值来自其他公开报告，且多种对照模型以 non-thinking 模式评测。

结果数据

模型卡公开的 LongCat-Flash 数值（括号为指标定义）：

结论

官方表格支持 LongCat-Flash 在工具使用、指令遵循、对话和代码基础任务上具有竞争力；τ²-Bench telecom 73.68、IFEval 89.65 和 SWE-Bench Verified 60.4 是较有用的任务信号。GraphWalks-128k 仅 51.05，说明长上下文图遍历不能被“128K 支持”替代；安全和隐私分数也应结合真实政策测试。

局限

• 数字来自官方模型卡，完整 prompt、硬件、采样和独立复核未公开。

• 模型卡与 API Change Log 对上下文有 128K/256K 两个版本口径，不能混为同一快照。

• 对照模型有些使用非思考模式、部分带星号数据来自其他报告，跨列比较需谨慎。

• 模型卡明确提醒下游应用应自行评估准确性、安全和公平性；官方分数不构成敏感场景上线许可。

复现步骤

1. 固定开源 commit、tokenizer、推理引擎、量化、context、temperature 和 batch 配置。

2. 使用官方 chat template，分别测试无工具、多轮和工具调用，保存原始消息与 XML 解析日志。

3. 按通用、指令、数学、代码、Agent、长上下文、安全分桶复测，记录 token、吞吐、延迟和失败恢复。

4. 对历史 API 与本地权重分开报告，标注 128K/256K 版本和模型下线状态。

来源摘录或观察（仅做合规短引）

• 模型卡把 LongCat-Flash 定义为 non-thinking model，并将动态激活范围写为 18.6B–31.3B。

• 官方 Agent 评测同时覆盖 telecom、airline、retail 三类 τ²-Bench，说明工具任务表现存在场景差异。