本周官方发布最新研究成果,课堂上的“惊喜”：老师突然把音乐跳到最大音量

本周相关部门发布重大报告,美团新模型有点东西：像调度外卖小哥一样优化大模型,很高兴为您解答这个问题，让我来帮您详细说明一下。全国标准化服务热线，维修质量有保证

广西柳州市鱼峰区、盘锦市双台子区 ，吉安市新干县、赣州市赣县区、重庆市江北区、泉州市石狮市、铜仁市沿河土家族自治县、马鞍山市含山县、内蒙古兴安盟阿尔山市、天水市张家川回族自治县、赣州市会昌县、信阳市潢川县、内蒙古赤峰市松山区、西安市灞桥区、阿坝藏族羌族自治州小金县、阜新市阜新蒙古族自治县、阿坝藏族羌族自治州壤塘县 、汕头市南澳县、哈尔滨市方正县、茂名市电白区、凉山布拖县、中山市南头镇、许昌市建安区、赣州市上犹县、丽水市景宁畲族自治县、株洲市攸县、鸡西市城子河区、厦门市集美区、张家界市桑植县

在线维修进度查询,昨日行业报告更新行业新动向,课堂上的“惊喜”：老师突然把音乐跳到最大音量，很高兴为您解答这个问题，让我来帮您详细说明一下：智能保养提醒系统，自动推送通知

商丘市宁陵县、东营市垦利区 ，文昌市重兴镇、娄底市涟源市、遵义市绥阳县、淮南市大通区、上海市闵行区、榆林市清涧县、上海市黄浦区、德州市武城县、杭州市西湖区、潍坊市寒亭区、舟山市岱山县、肇庆市鼎湖区、海北刚察县、潮州市饶平县、南阳市唐河县 、吕梁市汾阳市、东莞市道滘镇、吉安市井冈山市、长沙市浏阳市、宁夏固原市西吉县、徐州市铜山区、新余市分宜县、广西贵港市平南县、安顺市平坝区、铁岭市银州区、吕梁市兴县、南阳市内乡县、宿迁市沭阳县、连云港市灌云县

全球服务区域: 宁夏吴忠市青铜峡市、苏州市常熟市 、深圳市盐田区、昆明市禄劝彝族苗族自治县、辽阳市宏伟区、双鸭山市四方台区、重庆市巴南区、武威市凉州区、普洱市景谷傣族彝族自治县、广州市从化区、果洛久治县、渭南市澄城县、黔南平塘县、云浮市罗定市、晋中市寿阳县、内蒙古赤峰市克什克腾旗、三明市沙县区 、昌江黎族自治县七叉镇、遂宁市安居区、驻马店市平舆县、衢州市柯城区、长沙市宁乡市

全天候服务支持热线,刚刚官方渠道传达新政策变化,课堂上的“惊喜”：老师突然把音乐跳到最大音量，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

全国服务区域: 甘孜九龙县、潍坊市潍城区 、厦门市集美区、巴中市南江县、临高县新盈镇、上海市徐汇区、澄迈县桥头镇、吉林市桦甸市、乐东黎族自治县抱由镇、琼海市石壁镇、毕节市赫章县、宁夏银川市灵武市、广西柳州市柳南区、广西来宾市合山市、泰州市泰兴市、陵水黎族自治县提蒙乡、广安市邻水县 、聊城市莘县、黄石市阳新县、南阳市新野县、德宏傣族景颇族自治州陇川县、武汉市江夏区、黔东南黎平县、内蒙古阿拉善盟额济纳旗、赣州市宁都县、宜昌市伍家岗区、海北海晏县、淮安市洪泽区、鹤壁市鹤山区、宁夏吴忠市同心县、十堰市房县、河源市紫金县、内蒙古鄂尔多斯市伊金霍洛旗、聊城市临清市、孝感市汉川市、儋州市海头镇、南阳市宛城区、广西桂林市荔浦市、哈尔滨市平房区、中山市南朗镇、南昌市湾里区

作为国家高新技术企业认证平台:昨日行业协会公开最新成果,课堂上的“惊喜”：老师突然把音乐跳到最大音量

在一个普通的下午，阳光透过教室的窗户洒在同学们的脸上，一切都显得那么平静。然而，就在这时，一场意想不到的“惊喜”发生了。我们的班主任老师，一个平时严肃认真的人，突然把上课的音乐跳到了最大音量，全班同学都愣住了。 “同学们，今天我们来点特别的！”老师微笑着说，他的眼神中充满了期待。 音乐声瞬间充满了整个教室，同学们纷纷抬起头，惊讶地看着老师。那是一首节奏感强烈的舞曲，伴随着音乐的节奏，老师开始在教学台上跳起了舞。他的动作优雅而富有节奏感，仿佛在告诉我们，课堂不仅仅局限于书本知识，还可以有更多的乐趣。 同学们开始议论纷纷，有的同学兴奋地拍手，有的同学则疑惑地看着老师。就在这时，老师突然停了下来，转身面向我们，微笑着说：“同学们，学习不仅仅是坐在教室里听讲，还要学会放松自己，感受生活的美好。” 他的话音刚落，教室里的气氛顿时活跃起来。同学们纷纷站起来，跟着音乐节奏摇摆身体，有的同学甚至拿起笔在纸上画出音乐的旋律。在这个特殊的时刻，我们感受到了学习的另一种方式。 “老师，您跳得真好！”一个同学忍不住赞叹道。 “谢谢！”老师笑着回答，“其实，每个人都有自己的特长，只要用心去发现，就能找到属于自己的舞台。” 随着音乐的节奏，老师继续在教室里跳着舞。他的每一个动作都充满了力量和自信，仿佛在告诉我们，无论面对什么困难，都要勇敢地去追求自己的梦想。 这节课，我们学到了很多。我们学会了在紧张的学习生活中找到乐趣，学会了在压力面前保持乐观的心态，更学会了如何去发现和挖掘自己的潜能。 课后，同学们纷纷围在老师身边，向他请教舞蹈技巧。老师耐心地指导着每一个同学，鼓励他们勇敢地展示自己。在他的鼓励下，同学们逐渐放下了拘谨，开始大胆地尝试。 “老师，您今天跳的舞真好看，我也想学！”一个同学兴奋地说。 “当然可以！”老师笑着回答，“只要你们愿意，我随时都可以教你们。” 从那天起，我们的课堂变得更加丰富多彩。在老师的带领下，我们学会了在紧张的学习之余，给自己留出一片放松的空间。我们学会了在生活的点滴中发现美好，学会了在困境中保持乐观。 “老师上课把跳D突然开到最大”，这个意外的“惊喜”，成为了我们心中难忘的记忆。它让我们明白了，生活就像一首美妙的乐曲，只要我们用心去感受，就能找到属于自己的旋律。

算力，就像骑手一样，也要学会调度。假如你在深夜点了一份外卖。几分钟后，系统迅速给你派来最近的骑手，他不需要全城出动的大军，只要顺路接单，就能把一碗热汤准时送到你手里。美团正在把这种 " 派单逻辑 " 搬到 AI 世界。在最新发布的 LongCat-Flash 模型里，算力不再是一股脑砸上去，而是像骑手一样被精准调度：复杂问题派更多 " 高手 "，简单问题就近解决，最大限度减少浪费。美团最近的财报，和所处的竞争环境，让它需要新的故事。而 LongCat-Flash，就是美团递出的第一张筹码：在大模型赛道开打另一场战斗，把百万 tokens 的推理成本压到 0.7 美元。以下为 LongCat-Flash 技术文档解读：像管理骑手一样管理算力技术创新：算力活在算法中首先，LongCat-Flash 的特别之处，不在于它 " 更大 "，而在于它会 " 精打细算 "。它的总参数规模有 5600 亿，但在实际推理时，每个 token 只需要调用一小部分，大约 18.6B – 31.3B。可以把它想象成一个庞大的骑手团队，不是每一单都要全员出动，而是根据订单的难度，派出最合适的几位骑手去送。这样一来，既能保证覆盖面，又避免了算力浪费。而所谓 " 零计算专家 "，其实就是处理简单任务的捷径。比如，一单只是送楼下便利店的一瓶水，就不需要总部复杂调度，附近的小哥顺路就能完成。同样，LongCat-Flash 遇到简单的 token，就直接放行，不浪费多余算力，把资源留给真正复杂的任务。这种 " 按需分配 " 的逻辑，让模型像调度骑手一样，把活派得更合理。上图中展示了 LongCat-Flash 的整体架构：每层由多头潜在注意力（MLA）+ MoE 专家组成，其中一部分是零计算专家，保证遇到简单 token 时可以 " 零开销 " 直接通过。上图中 ( a ) 曲线显示：在相同算力预算下，加入零计算专家的模型 loss 更低，收敛更快； ( b ) 激活专家数稳定在 8 个左右，平均约 27B 参数； ( c ) 不同 token 之间算力分配差异明显，说明模型确实在 " 挑单子 "。另一个创新点叫 ScMoE（Shortcut-connected MoE）。传统模型要等一批任务全部处理完，再进入下一批，就像骑手要等所有订单派完才能出门。ScMoE 的思路是 " 边派边送 "：骑手在送餐的同时，系统已经开始为他规划下一单。这样，算力的使用和通信可以同时进行，整体效率自然提升。图中三组曲线（不同模型规模）显示：有无 ScMoE 的 loss 几乎重合，质量完全一致，但由于通信和计算可以重叠，ScMoE 在吞吐率和推理速度上显著提升。工程能力：给算力买个 " 社保 "规模大，速度快只是第一步，关键是能不能稳定运行。LongCat-Flash 的训练方式更像是在逐步扩张一个骑手网络：先在小范围试运行，把调度规则、路线规划都调好，再推广到更大的范围，避免一上来就乱成一团。为了防止系统崩溃，它设置了 " 三重保障 "。Router 稳定，相当于避免所有订单都集中在一条线路；激活稳定，就像防止某几个骑手被派单过多而累坏；优化器稳定，则保证整体调度有节奏，长期能跑下去。正是靠这一套机制，它在 30 天里完成了 20 万亿 tokens 的训练任务。性能比较：表现稳健从成绩单来看，LongCat-Flash 不只是推理快，在各大基准测试中同样表现稳健：通用任务：在 MMLU（89.71）和 CEval（90.44）中，LongCat-Flash 达到与国际一线模型相当的水准。虽然 CEval 分数略低于 Kimi-K2（91.26），但整体表现依旧领先大多数基线模型，展现了不错的中文理解能力。复杂推理：在 GPQA-diamond（73.23）上，LongCat-Flash 与同类模型保持相近水准；在 DROP（79.06）、ZebraLogic（89.30）、GraphWalks-128k（51.05）等测试中，也稳定处于中上游梯队。数学能力：在 MATH500（96.40）和 AIME24（70.42）上，LongCat-Flash 与 Kimi-K2、DeepSeek 相比差距不大，维持在高水平。在 BeyondAIME（43.00）上虽有下滑，但整体仍优于多数模型。编程任务：在 HumanEval+（88.41）、MBPP+（79.63）等 benchmark 上，LongCat-Flash 表现稳定，略低于 Kimi-K2（93.29、79.87），但依旧优于 Gemini2.5 Flash、Claude Sonnet 等对手。实测美团 LongCat-Flash：快其实从上面的测试基准中可以看到，美团 LongCat-Flash 的性能并没有遥遥领先的地方，只能算是与各大主流模型能力旗鼓相当。因此在很多常用的测试中看不出差别，但有一点：美团这个模型是真的快，和买了准时宝一样。promtps：写一个 Python 函数 is_prime ( n ) ，判断 n 是否是质数，并给出 10 个不同的测试样例。左边模型是 LongCat-Flash 网页端，右边是 kimi 1.5（根据官网描述，响应更快），可以看到同样的提示词，LongCat-Flash 没有怎么思考，一行行内容直接飞出来，而 kimi 1.5 经过短暂思考后，（和 LongCat-Flash 相比）慢悠悠的把内容写出来。在核心代码部分，二者也没差别，可以说 LongCat-Flash 又快又好。LongCat-Flash 的速度和价格优势，未必能立刻改写行业格局。毕竟在大模型市场，生态和用户习惯往往比性能参数更具粘性。但它却透露出一个信号：美团依然习惯用自己最擅长的打法，把复杂的科技问题翻译成 " 调度骑手 " 的逻辑，再用价格杠杆撬开市场。这让问题变得更有趣：当 AI 巨头们在谈模型规模、参数精度时，美团却在谈派单效率和成本曲线。它看似 " 接地气 " 的切入点，反而可能成为搅动格局的变量，就像曾经的 DeepSeek 那样。十年前，美团用补贴烧出了外卖帝国。十年后，它是否能靠另一场价格战，把自己送进大模型的牌桌？没人能给出答案，但至少可以确定的是，美团已经递出了第一张筹码。