美团推出 LongCat-Flash-Lite 模型，在智能体和编程领域取得新突破

美团今日正式推出 LongCat-Flash-Lite，这是一款非思考型（non-thinking）的 68.5B 参数混合专家（MoE）模型。该模型激活参数约为 3B，通过 YaRN 方法支持 256k 的上下文长度。LongCat-Flash-Lite 在智能体工具调用（agentic tool use）和编程能力方面树立了新的基准，同时保持了卓越的运行效率。其核心规格包括总参数量为 68.5B，激活参数量为 2.9B - 4.5B，上下文长度为 256K tokens，嵌入层参数为 30B+，架构为 MoE + N-gram 嵌入 (NE)。基于 LongCat-Flash 架构，LongCat-Flash-Lite 的独特之处在于集成了 N-gram 嵌入表，旨在同时提升模型性能与推理速度。尽管在嵌入层分配了超过 30B 的参数，LongCat-Flash-Lite 不仅超越了同等参数量的 MoE 基准模型，而且在与现有同规模模型的竞争中展现出极强的竞争力，特别是在智能体和编程领域。在基准测试结果中，LongCat-Flash-Lite 在所有 Tau2 基准测试中均取得了惊人的成绩，显著超越了所有对比模型，包括那些参数量更大的模型。在 SWE-Bench 上，该模型取得了 54.40 的准确率，大幅领先于 Gemini 2.5 Flash-Lite (41.3) 和 Qwen3-Next-80B (37.60)。虽然专注于智能体和编程任务，LongCat-Flash-Lite 仍保持了强大的通用能力，在 MMLU 上得分为 85.52，在 MATH500 上得分为 96.80。高效的架构设计，YaRN 方法实现了对 256k 上下文长度的支持，使该模型非常适合长文档理解和复杂的对话交互。