🧠 語言模型MoEApache 2.0🔒 需申請存取

LongCat-Flash-Thinking-2601

LongCat-Flash-Thinking-2601,美團 2026 年 1 月發布,560B MoE 推理增強版本,Apache 2.0 授權,GPQA 81.5%,SWE-bench 59.4%。

📅 發布:2026-01資料更新:2026年4月5日

VRAM 計算器

我的 GPU VRAM:
量化等級
上下文長度
Q4_K_M · 8K context
模型權重 + KV Cache + 0.5 GB overhead
309 GB
完整 VRAM 對照表(所有量化 × 上下文)
量化4K8K16K32K64K128K
Q4_K_M309 GB309 GB310 GB313 GB318 GB327 GB
Q8_0589 GB589 GB590 GB593 GB598 GB607 GB

部署指南

方法二:llama.cpp

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

方法三:vLLM(高效能伺服器)

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

規格

參數量560B
最大上下文128K tokens
HF 下載量45K/月

模型強項

長上下文理解高效推理知識問答程式碼輔助

推薦用途

  • 適用於需要處理大量文本資訊的長篇文件分析與摘要生成。
  • 適合用於複雜問題的邏輯推理與知識檢索,例如學術研究或專業諮詢。
  • 可用於程式碼錯誤偵測、優化建議及自動化程式碼生成等開發輔助任務。

標籤

128KApache 2.0美團推理

部署工具

vLLMSGLang

關於 LongCat-Flash-Thinking-2601 — 開源 AI 模型

LongCat-Flash-Thinking-2601 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:適用於需要處理大量文本資訊的長篇文件分析與摘要生成。、適合用於複雜問題的邏輯推理與知識檢索,例如學術研究或專業諮詢。、可用於程式碼錯誤偵測、優化建議及自動化程式碼生成等開發輔助任務。。核心優勢:長上下文理解、高效推理、知識問答、程式碼輔助。 可在本地硬體上自行部署,完全保護隱私,無需 API 金鑰。

使用心得

分享你的使用體驗,幫助其他人了解這個模型

0/1000
還沒有評論,成為第一個分享心得的人!