AI 비교하기
LongCat-Flash-Chat은 총 560B 파라미터 규모의 Mixture-of-Experts(MoE) 모델로, 입력마다 18.6B에서 31.3B(평균 약 27B)의 파라미터가 동적으로 활성화됩니다. 이 모델은 지름길 연결(shortcut-connected) MoE 설계를 도입하여...
제공사
Meituan출시일
2025-09-09
학습완료일
2025-03-31
라이선스
상용 모델
입출력 형식
처리용량
131K / 131K
API 입출력 (1M)
$0.2 / $0.8
사용 방법
—
출력 속도
115 tok/sArena 종합
1444Intelligence Index
23.9Coding Index
16.5Math Index
—LiveBench
—ForecastBench
—GPQA Diamond
63.6%HLE
6.0%MMLU-Pro
—AIME 2025
—MATH-500
—LB 추론
—LB 수학
—LB 데이터 분석
—LiveCodeBench
—LB 코딩
—LB 에이전틱
—TAU2
79.5%TerminalBench
10.6%SciCode
28.4%IFBench
43.1%AA-LCR
0.3환각률 (HHEM)
—사실 일관성 (HHEM)
—LB 언어
—LB 지시
—1 / 3
좌우로 스와이프하여 전환
LongCat-Flash-Chat은 총 560B 파라미터 규모의 Mixture-of-Experts(MoE) 모델로, 입력마다 18.6B에서 31.3B(평균 약 27B)의 파라미터가 동적으로 활성화됩니다. 이 모델은 지름길 연결(shortcut-connected) MoE 설계를 도입하여...
제공사
Meituan출시일
2025-09-09
학습완료일
2025-03-31
라이선스
상용 모델
입출력 형식
처리용량
131K / 131K
API 입출력 (1M)
$0.2 / $0.8
사용 방법
—
출력 속도
115 tok/sArena 종합
1444Intelligence Index
23.9Coding Index
16.5Math Index
—LiveBench
—ForecastBench
—GPQA Diamond
63.6%HLE
6.0%MMLU-Pro
—AIME 2025
—MATH-500
—LB 추론
—LB 수학
—LB 데이터 분석
—LiveCodeBench
—LB 코딩
—LB 에이전틱
—TAU2
79.5%TerminalBench
10.6%SciCode
28.4%IFBench
43.1%AA-LCR
0.3환각률 (HHEM)
—사실 일관성 (HHEM)
—LB 언어
—LB 지시
—