なぜ今、この発表が重要なのか
中国のオンデマンドサービス大手美団（Meituan）が、非常に大きなパラメーター数と効率を重視した設計を組み合わせたモデルLongCat Flash Chatを公開し、オープンソースの大規模言語モデルの潮流に加わった。2025年9月初旬に発表され、開発者向けにGitHubとHugging Faceで公開されたこのモデルには、現行の最上位モデルと並ぶ性能をうたう技術レポートが付属する。美団によると、LongCat Flash ChatはDeepSeek V3.1、Alibaba CloudのQwen3シリーズ、Moonshot AIのKimi K2に匹敵し、同社のベンチマークではAnthropicのClaude SonnetやGoogleのGemini 2.5 Flashとも良好に比較できるという。幅広い利用と改変を認めるライセンスを採用しており、美団のAI基盤を中心に活発な開発者エコシステムを築く狙いがうかがえる。
目次
LongCat Flash Chatは、推論に特化したシステムではなく、高速で実運用に適した基盤モデルとして位置付けられている。そこには明確なトレードオフがある。時間のかかる複雑な論理展開よりも、応答性の高いエージェント動作、ツール利用、指示への追従を重視する設計だ。今回の公開は、美団が2023年にAIスタートアップのLight Yearを2億8,100万ドルで買収したことに続くもので、社内業務向けAI、消費者向け製品のAI機能、基盤モデルの構築という社内戦略にも沿っている。
美団が公開したモデル
同社の資料によると、LongCat Flash ChatはMixture of Experts方式を採用し、総パラメーター数は5,600億に上る。ただし、各トークンの処理で有効になるのはその一部で、通常は186億〜313億128kトークンの長いコンテキストウィンドウにも対応し、長時間の会話や文書、複数段階のタスクを頻繁に区切り直すことなく処理できる。
美団はこのモデルを非思考型の基盤モデルと呼ぶ。Caixin Globalによると、高度な推論能力は備えていない一方で、多様な指示追従タスクやエージェントタスクで高い性能を発揮する。リポジトリでは、汎用ベンチマーク、指示追従、数学、コーディング、ツール利用、安全性評価で競争力のあるスコアが示されている。モデルの重みと資料はHugging Faceのこちらのページから入手でき、製品の詳細は公式サイトlongcat.aiで確認できる。コードと重みはMITライセンスで公開されている。
LongCatのアーキテクチャを読み解く
Mixture of Expertsモデルは、大規模なネットワークを「エキスパート」と呼ばれる多数の専門コンポーネントに分割する。ルーターがトークンごとにどのエキスパートを使うかを判断する。トークンごとに一部のエキスパートだけを有効にすることで、モデル全体の大きな容量を保ちながら、各処理段階の計算量を抑えられる。この方式は、推論コストを膨らませずにモデルを拡張する一般的な手法となっている。
Mixture of Expertsを簡単に説明すると
大きなチームの中から、メッセージごとに数人の専門家だけを呼び出す仕組みと考えるとよい。ルーターは内容に応じて専門家を選ぶため、不要な処理を減らせる。美団の設計には、さらにいくつかの工夫がある。レポートでは、ルーターが負荷を分散したり、簡単なトークンの計算量を抑えたりする必要がある場合に選択される、代替要素として機能するZero Computation Expertsを説明している。また、平均的な有効パラメーター数を一定に保つため、エキスパートのバイアスを調整するPIDコントローラーも内部で動作する。PIDは比例・積分・微分を意味する。振動を起こさずにシステムを目標水準へ近づける一般的な制御方式だ。
処理能力を高めるため、LongCat Flash Chatは通信と計算の重なりを増やすショートカット接続型MoE構成を採用している。複数のGPUを使う環境では、通信時間が性能のボトルネックになることがある。ショートカット接続により、データがデバイス間を移動する間にネットワークの一部をより速く処理できる経路が生まれる。技術資料では、H800クラスのハードウェアで単一ユーザーに対し、推論速度が毎秒100トークン超に達するとしている。
速度とコストに関する主張
オープンソース関連のまとめや中国メディアの報道によると、美団は高度な並列処理環境を用いて約30日で学習を完了し、H800アクセラレーターで毎秒100トークンを生成できるという。同社は特定の条件下で、出力コストを100万トークン当たり約5元としている。実際のコストはハードウェア、バッチサイズ、デプロイ用フレームワークによって異なるが、主張の要点は明確だ。美団はLongCat Flash Chatを、リクエストごとの計算量を抑えつつ、競争力のある品質を高速で提供するモデルとして売り込んでいる。
学習手法と安定性
リポジトリでは、安定性を高める手法として、規模の異なるモデル間で良好な設定を再利用するハイパーパラメーター転移、小型モデルを基に大型モデルを初期化するモデル成長初期化、MoEルーターの健全性を保つz損失付きルーター勾配バランス調整法が挙げられている。チームは、再現可能な実行に向けた決定論的計算も重視している。データ面では、2段階の事前学習融合戦略と、エージェントの動作に必要な複雑なタスクの軌跡を生成するマルチエージェント合成フレームワークを説明している。要するに、深い複数段階の推論よりも、信頼性とエージェント性能を重視した学習パイプラインだ。
競合モデルとの比較
美団のベンチマークでは、LongCat Flash Chatは中国の主要な汎用モデルに匹敵する性能とされる。比較対象にはDeepSeek V3.1、Alibaba CloudのQwen3シリーズ、Moonshot AIのKimi K2が挙げられている。また、Claude SonnetやGemini 2.5 Flashなど米国の有力モデルに対しても高い水準にあるとレポートは述べている。一部報道では、特定の非思考型タスクについてGPT 4.1との比較にも触れている。正確な順位はベンチマークの種類やプロンプト設定によって異なる。ベンダー自身によるテストは出発点であり、全体像を把握するには第三者による評価が必要だ。
「非思考型」という呼称は重要な条件だ。推論型システムは、複数段階にわたって計画や振り返りを行うことを目指し、生成速度が遅く、計算コストも高くなることが多い。LongCat Flash Chatは、迅速な指示追従、ツール利用、エージェントの調整に重点を置く。複雑な思考過程よりも、応答時間、処理能力、予測可能なコストが重視される用途に適したアプローチだ。
エージェント型タスクの実際
エージェント型タスクでは、モデルがツールを呼び出し、情報を取得し、ワークフローに沿って処理を進め、追加の入力が必要かどうかを判断する。たとえば、資料を検索したり、社内データベースにアクセスしたり、決済APIを実行したり、顧客向けメッセージの下書きを作成したりする。LongCat Flash Chatはこうした用途に合わせて調整されている。迅速な判断、長いコンテキストの処理、低遅延を実現し、実際のアプリケーションでも応答性の高い動作を目指す。
美団はすでに事業のさまざまな領域でエージェントを試している。同社はAI支援コーディングのNoCode、経営判断を支援するKangaroo Advisor、ホテル運営管理向けのMeituan Jibaiを紹介してきた。高速なエージェントエンジンは、加盟店の登録、カスタマーサポートの振り分け、在庫確認、配送ルート計画の支援、マーケティング文案の作成などに活用できる。電子商取引や地域サービスでは、時間をかけた段階的推論より、信頼できる速度、ツール連携、長いコンテキストの保持が役立つタスクが多い。
戦略、買収、中国で広がるオープンソース
美団が基盤モデルに本格的に取り組み始めたのは、2023年にLight Yearを2億8,100万ドルで買収したことがきっかけだ。同社幹部は、社内業務向けAI、消費者向け製品のAI、基盤モデルの構築という3層の計画を説明してきた。LongCat Flash Chatは、基盤モデル層で初めて公表された成果だ。また、AlibabaやDeepSeek関連の研究機関、Moonshot AIなどによるオープンソース公開が相次ぎ、迅速な改良とコミュニティーによる検証を通じて、中国企業が欧米の競合との差を縮めるという、より大きな流れにも合致する。
ここではオープンソースライセンスが重要だ。MITライセンスで重みとコードを公開することで、美団はスタートアップ、研究機関、企業チームに大きな制約なく実験、改変、導入する機会を提供する。これにより、フィードバックや活用事例が集まりやすくなる。また、フードデリバリーを主力とする企業という枠を超え、技術面での信頼を築く助けにもなる。複数の情報源は、美団が速度とオープン性を武器に開発者の支持を得ようと、積極的かつ先手を打つ姿勢でAIに取り組んでいると伝えている。
ライセンス、デプロイ、安全性
LongCat Flash Chatは、幅広い商用利用を認める寛容なライセンスであるMITライセンスの下で公開されている。リポジトリにはvLLMとSGLangによるデプロイ手順が含まれる。これらは高スループット推論で広く使われるフレームワークで、連続バッチ処理やページドアテンションなど、提供コストを抑える機能を備える。一部のエキスパートだけを有効にするモデルは、GPUのアイドル時間を減らす環境と相性がよい。
他の大規模言語モデルと同様、LongCat Flash Chatにも限界がある。資料では、開発者に対し、それぞれの利用環境で安全性、公平性、法令順守を評価するよう促している。個人データ、金融、医療を扱う分野では特に重要だ。美団の資料には安全性評価とレッドチーミングの結果が含まれ、機微な用途でモデルを使う際には法律や業界規則に従うよう注意を促している。
投資家の反応と市場のシグナル
公開後の金融報道によると、美団の株価は、競争力のあるモデルを投入する中国企業の一社に加わったにもかかわらず下落した。TipRanksは、South China Morning Postが報じたベンチマークに触れ、中国が技術産業への支援を強める一方で貿易摩擦に直面するという、より広い政策環境も指摘した。市場の反応は製品の実力に遅れて現れることも多い。投資家にとって重要なのは、このモデルが普及を後押しするか、美団の業務コストを削減するか、そして外部の開発者が実製品のエンジンとして採用するかだ。
より大きな意味でのシグナルは、AIを主力としない企業まで、速度、コスト、エージェント用途の能力で既存の有力企業に挑むモデルを公開し始めたことだ。この勢いは、企業がAI基盤の供給元をどう考えるかを変える可能性がある。また、ベンチマークの順位だけでなく、実用的で遅延に敏感なタスクで価値を示すよう、モデル開発企業への圧力を強めることにもつながる。
要点
- 美団は2025年9月初旬、総パラメーター数5,600億のオープンソースMixture of Expertsモデル「LongCat Flash Chat」をGitHubとHugging Faceで公開した。
- トークンごとに有効化されるパラメーターは平均で186億〜313億。総容量を維持しながら計算コストを抑える。
- 技術レポートのベンチマークでは、DeepSeek V3.1、Alibaba CloudのQwen3、Moonshot AIのKimi K2に匹敵し、Claude SonnetやGemini 2.5 Flashに対しても高い水準だとしている。
- 美団は、深い推論よりも速度、指示追従、ツール利用、エージェントのワークフローを重視する非思考型基盤モデルと位置付けている。
- Zero Computation Experts、エキスパートのバイアスを調整するPIDコントローラー、ショートカット接続型MoE設計、128kトークンのコンテキストウィンドウなどの技術を採用している。
- 技術資料によると、H800ハードウェアで毎秒100トークン超、特定の条件下で100万トークン当たり約5元の出力コストを実現する。
- コードと重みはMITライセンスで公開され、vLLMとSGLangによるデプロイ手順も提供されている。
- 今回の公開は、美団が2023年にLight Yearを買収したことに続くもので、社内業務、製品、基盤モデルにまたがる3層のAI戦略を後押しする。
- TipRanksによると、発表後に株価は下落した。投資家の評価は、実際の普及やコスト削減に左右される可能性がある。
- 今回の公開は、欧米の競合との差を縮め、迅速なエージェント用途に重点を置く中国のオープンソースモデルの潮流に加わるものだ。
