LongCat-Flash-Lite,美團 2026 年 2 月發布,560B MoE 模型,Apache 2.0 授權,256K 上下文,GPQA 66.8%,長文本處理能力突出。
| 量化 | 4K | 8K | 16K | 32K | 64K | 128K |
|---|---|---|---|---|---|---|
| Q4_K_M★ | 309 GB | 309 GB | 310 GB | 313 GB | 318 GB | 327 GB |
| Q8_0 | 589 GB | 589 GB | 590 GB | 593 GB | 598 GB | 607 GB |
適合進階用戶,支援 CPU 和 GPU 混合推理,可精確控制量化等級。
# Download GGUF model from Hugging Face, then run: ./llama-cli -m model.gguf -p "Hello" -n 128
適合生產環境,支援批次推理和 OpenAI 相容 API。
pip install vllm vllm serve LongCat --dtype auto
LongCat-Flash-Lite 是一個開源語言模型,擁有 560B 參數,採用 Apache 2.0 授權。可使用 vLLM、SGLang 進行部署。適用場景包括:處理和分析超長篇幅文檔,如法律條款、研究報告等,進行摘要或問答。、開發需要深度理解和生成長篇內容的應用,例如智能客服或內容創作工具。。核心優勢:長文本處理、大規模模型、高效推理、開源商用。 可在本地硬體上自行部署,完全保護隱私,無需 API 金鑰。
分享你的使用體驗,幫助其他人了解這個模型