美團正式發布并開源了自己的首個大語言模型——LongCat-Flash-Chat。

說實話，這個消息讓我挺意外的。美團，這個我們天天用來點外賣、叫車的平臺，突然宣布要在AI大模型領域正面挑戰OpenAI、Anthropic這些巨頭。更讓人意外的是，他們不僅發布了，還直接開源了。

9月1日，美團技術團隊正式發布并開源了LongCat-Flash-Chat模型，這標志著美團從AI應用場景的使用者，正式轉身成為AI基礎技術的貢獻者。

圖片

技術亮點

LongCat-Flash-Chat最大的技術亮點在于在架構層面引入 “零計算專家（Zero-Computation Experts）” 機制，總參數量 560 B，每個 token 依據上下文需求僅激活 18.6B~31.3 B 參數，實現算力按需分配和高效利用。

為控制總算力消耗，訓練過程采用 PID 控制器實時微調專家偏置，將單 token 平均激活量穩定在約 27 B。

此外，LongCat-Flash 在層間鋪設跨層通道，使 MoE 的通信和計算能很大程度上并行，極大提高了訓練和推理效率。

配合定制化的底層優化，LongCat-Flash 在 30 天內完成高效訓練，并在 H800 上實現單用戶 100+ tokens/s 的推理速度。LongCat-Flash 還對常用大模型組件和訓練方式進行了改進，使用了超參遷移和模型層疊加的方式進行訓練，并結合了多項策略保證訓練穩定性，使得訓練全程高效且順利。

美團的AI野心：從外賣到通用智能

其實，美團涉足AI大模型并不突然。早在幾年前，美團就在內部大量應用AI技術來優化配送路徑、提升搜索推薦效果、智能客服等業務場景。

我翻了翻美團技術團隊的歷年論文，發現他們在機器學習、深度學習領域已經積累了不少技術成果。從搜索推薦算法到配送系統的運籌優化，從計算機視覺到自然語言處理，美團技術團隊的研究覆蓋面相當廣泛。

特別值得注意的是，美團在2022年就開始探索粗排優化的深度學習方法，通過知識蒸餾和對比學習來聯動精排與粗排，這些技術積累為今天的大模型研發打下了堅實基礎。

不過，從垂直領域的AI應用跨越到通用大語言模型，這中間的技術鴻溝還是很大的。美團選擇在這個時點發力，我覺得有幾個原因：

? 業務需求驅動 - 美團需要更智能的對話系統來處理復雜的用戶咨詢

? 技術積累到位 - 多年的AI應用經驗讓團隊具備了做大模型的能力

? 開源生態布局 - 通過開源獲得更大的技術影響力和開發者社區

開源策略的深層考量

美團選擇開源這個模型，我覺得背后的考量挺有意思的。

首先，開源能夠快速建立技術影響力。在AI大模型這個賽道，技術實力的展示比什么宣傳都有效。通過開源，美團能夠讓更多開發者接觸和使用他們的技術，形成技術品牌效應。

其次，開源有助于技術迭代。大模型的訓練和優化需要海量的反饋數據，開源社區能夠提供這樣的數據來源。這對美團來說，是一個低成本獲得大規模測試的好方法。

最后，也是最現實的一點，美團可能認為在大模型的商業化路徑上，API服務比模型本身更有價值。開源模型能夠吸引更多開發者，進而為美團的AI基礎設施服務導流。

總的來說，美團這次發布LongCat-Flash-Chat，展現了一種務實的技術路線。他們沒有盲目追求參數規模或者性能跑分，而是專注于解決實際應用中的效率問題。這種思路在當前的AI發展階段，可能比追求極致性能更有實用價值。

至于這個模型能否在激烈的競爭中站穩腳跟，我覺得關鍵還是看后續的迭代速度和生態建設。畢竟在AI這個賽道，技術領先只是第一步，能不能形成可持續的競爭優勢，還需要更多時間來驗證。