옵션
속보
콘텐츠
RogerMartinez
RogerMartinez
2026년 2월 6일

메이투안의 롱캣 팀은 전문가 확장 대신 새로운 임베딩 확장 방식을 활용한 언어 모델 '롱캣-플래시-라이트'를 소개했다. 총 685억 개의 매개변수를 보유한 이 모델은 효율적인 N-그램 임베딩 레이어를 통해 추론당 29억~45억 개만 활성화한다. 시스템 최적화를 통해 초당 500~700 토큰의 처리 속도를 달성했습니다. SWE-Bench(54.4%) 같은 에이전트 및 코딩 벤치마크에서 선두를 차지했으며, MMLU에서 85.52점을 기록했습니다. 해당 모델은 현재 완전히 오픈소스화되었습니다.

메이투안의 롱캣 팀은 전문가 확장 대신 새로운 임베딩 확장 방식을 활용한 언어 모델 '롱캣-플래시-라이트'를 소개했다. 총 685억 개의 매개변수를 보유한 이 모델은 효율적인 N-그램 임베딩 레이어를 통해 추론당 29억~45억 개만 활성화한다. 시스템 최적화를 통해 초당 500~700 토큰의 처리 속도를 달성했습니다. SWE-Bench(54.4%) 같은 에이전트 및 코딩 벤치마크에서 선두를 차지했으며, MMLU에서 85.52점을 기록했습니다. 해당 모델은 현재 완전히 오픈소스화되었습니다. 메이투안의 롱캣 팀은 전문가 확장 대신 새로운 임베딩 확장 방식을 활용한 언어 모델 '롱캣-플래시-라이트'를 소개했다. 총 685억 개의 매개변수를 보유한 이 모델은 효율적인 N-그램 임베딩 레이어를 통해 추론당 29억~45억 개만 활성화한다. 시스템 최적화를 통해 초당 500~700 토큰의 처리 속도를 달성했습니다. SWE-Bench(54.4%) 같은 에이전트 및 코딩 벤치마크에서 선두를 차지했으며, MMLU에서 85.52점을 기록했습니다. 해당 모델은 현재 완전히 오픈소스화되었습니다.
의견 (0)
0/300
OR