导语
项目地址: https://ai.gitcode.com/hf_mirrors/meituan-longcat/LongCat-Flash-Thinking 美团正式开源5600亿参数大语言模型LongCat-Flash-Thinking，以创新混合专家架构实现高效推理，在零售智能客服、个性化推荐等场景展现出显著优势，标志着本地生活服务进入AI深度赋能新阶段。
行业现状：大模型推理能力成零售智能化关键
2025年，AI大模型竞争已从参数规模转向"效率与能力平衡"。据美团官方数据，LongCat-Flash-Thinking采用混合专家（MoE）架构，总参数达5600亿，但通过动态激活机制仅启用18.6B~31.3B参数（平均约27B），在保持高性能的同时显著降低计算成本。中国连锁经营协会数据显示，2024年零售企业平均获客成本同比上涨23%，而客户留存率下降至41%，大模型技术成为解决这一困境的关键。
产品亮点：四大技术突破重新定义推理范式
创新架构：领域并行强化学习训练
LongCat-Flash-Thinking最显著的技术突破是其领域并行训练方案，将STEM、编程和智能体任务的优化过程解耦。这一方法采用了多领域并行训练再融合的先进策略，实现模型能力的均衡提升，综合性能达到帕累托最优（Pareto-Optimal）。
高效训练：DORA系统实现3倍加速
团队开发的DORA（Dynamic ORchestration for Asynchronous rollout）系统是整个训练的基石。该系统通过弹性共卡调度与多版本异步流水线设计，在实现相较于同步RL训练框架三倍提速的同时，确保了每条样本的策略一致性。
双重推理引擎：形式化与非形式化能力融合
LongCat-Flash-Thinking成为国内首个同时具备「深度思考+工具调用」与「非形式化+形式化」推理能力相结合的大语言模型。在自动定理证明领域，模型在MiniF2F-test基准中的pass@1获得67.6的分数，大幅领先所有其他参与评估的模型。
智能体能力：双路径推理框架提升工具使用效率
为提升模型的智能体推理能力，团队提出创新性的"双路径推理框架"。基于AIME25实测数据，LongCat-Flash-Thinking在该框架下展现出更高效的智能体工具调用能力，在确保90%准确率的前提下，相较于不使用工具调用节省了64.5%的Tokens（从19653到6965）。
性能表现：多项指标超越开源同类
LongCat-Flash-Thinking在多项权威评测中刷新纪录，尤其在复杂推理任务中表现突出：
- 数学推理：MATH500测试获99.2分，AIME25测试中超越OpenAI o3
- 代码能力：LiveCodeBench测试以79.4分刷新开源SOTA，接近GPT-5水平
- 通用推理：ARC-AGI测试获50.3分，超越Gemini2.5-Pro等闭源模型
- 智能体任务：τ²-Bench测试平均分74.0，展现强大工具使用能力
如上图所示，美团技术团队在发布文中强调LongCat-Flash-Thinking实现了"更强、更专业，保持极速"的目标。这一宣传图直观展示了该模型在保持速度优势的同时，在多个领域推理能力上达到开源模型最先进水平。
零售行业应用：从技术突破到商业价值
智能客服场景：夜间留资率提升40%
LongCat-Flash-Thinking已在美团服务零售体系中实现规模化应用。在教育培训、家居、结婚、月子服务等20多个服务零售行业中，5万家门店使用AI客服专员后，夜间留资率提升4成以上。以顾家家居为例，2000多个线上美团店铺全天候接入AI客服，通过5秒黄金应答时间和历史回复习惯生成智能回答，留资率提升20%以上。
个性化推荐：AI驱动的千店千面
基于LongCat-Flash-Thinking的智能推荐系统已在美团"快乐猴"社区折扣店中应用。通过分析5亿用户画像，系统能够精准匹配社区需求，优化商品组合。例如在杭州门店中，结合在地饮食文化引入深受当地消费者喜爱的小笼包、火腿等产品，强化消费者情感链接。自有品牌"猴标"覆盖粮油米面、日化等品类，通过源头甄选、工厂定制降低成本，毛利率比同类商品高10-15个百分点。
库存管理：AI优化降低损耗率
美团将LongCat-Flash-Thinking应用于供应链管理，通过AI技术优化库存减少损耗。在闪电仓业务中，AI预测系统已将损耗率从3%降至1.5%以下，大幅提升生鲜零售盈利能力。截至2024年底，美团闪电仓已覆盖全国200城市，日均订单超1000万单，AI技术在选址、库存管理及配送路径优化方面发挥关键作用。
上图展示了美团LongCat团队发布的VitaBench论文标题页及摘要部分，该基准针对外卖点餐、餐厅就餐、旅游出行等真实生活场景中大模型智能体的复杂交互任务进行评测。这一评测体系的建立，为LongCat-Flash-Thinking在零售等实际业务场景中的应用提供了标准化评估方法。
行业影响：开源生态推动零售智能化普及
LongCat-Flash-Thinking的开源发布，不仅为学术界和产业界提供了一个高性能的推理模型，更重要的是公开了其创新的训练方法和系统架构。团队已在HuggingFace、Github全面开源模型权重与技术细节，开发者可通过以下地址获取：
项目地址: https://gitcode.com/hf_mirrors/meituan-longcat/LongCat-Flash-Thinking
这一举措将加速大模型技术在零售行业的普及化进程，降低企业级推理能力的获取门槛，尤其利好中小企业的AI转型。美团"零售+科技"战略布局逐步清晰，模型已在内部多个业务场景应用，展现出从外卖平台向科技公司的转型决心。
结论/前瞻：AI与零售深度融合的三大趋势
LongCat-Flash-Thinking的推出标志着零售智能化进入新阶段。未来，随着技术不断迭代，零售行业将呈现三大趋势：首先是智能客服从简单应答向情感化、个性化交互演进；其次是供应链管理实现全链路AI优化，从需求预测到库存管理再到配送路径规划形成闭环；最后是线下零售空间智能化改造加速，通过AI数字员工提升服务效率与用户体验。
对于零售企业而言，现在正是布局AI技术的关键窗口期。借助LongCat-Flash-Thinking等开源大模型，企业可以较低成本实现智能化升级，在激烈的市场竞争中建立差异化优势。而美团通过开源策略，不仅强化了自身在本地生活AI应用的技术底座，也为行业生态共建贡献了重要力量。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
