近日相关部门传递新动态,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏

本月行业协会传递研究成果,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。家电售后专属热线，节假日无休服务

濮阳市濮阳县、遵义市正安县 ，临沂市兰山区、漳州市南靖县、鞍山市铁东区、驻马店市西平县、广西贺州市八步区、阜新市海州区、汉中市镇巴县、临汾市吉县、黔西南安龙县、陇南市康县、海口市美兰区、内蒙古呼伦贝尔市阿荣旗、丹东市宽甸满族自治县、黔南龙里县、内蒙古巴彦淖尔市杭锦后旗 、黄南同仁市、大同市左云县、泉州市金门县、武汉市汉南区、宝鸡市凤翔区、朔州市应县、南平市浦城县、衡阳市衡阳县、六安市金安区、嘉兴市平湖市、怀化市芷江侗族自治县、广西百色市隆林各族自治县

本周数据平台本月业内人士公开最新动态,本月行业报告发布最新动态,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后团队，客服热线随时待命

鸡西市鸡东县、广西来宾市忻城县 ，连云港市东海县、松原市宁江区、儋州市东成镇、牡丹江市西安区、临沧市凤庆县、德宏傣族景颇族自治州瑞丽市、永州市新田县、广西桂林市平乐县、焦作市孟州市、惠州市惠城区、黑河市北安市、广西桂林市恭城瑶族自治县、黔南惠水县、资阳市安岳县、淄博市周村区 、吉安市万安县、鞍山市岫岩满族自治县、南通市如东县、自贡市大安区、杭州市下城区、成都市锦江区、通化市通化县、衡阳市常宁市、襄阳市老河口市、长春市德惠市、阳泉市郊区、内蒙古阿拉善盟阿拉善右旗、大庆市林甸县、渭南市大荔县

全球服务区域: 宁夏中卫市中宁县、烟台市福山区 、上饶市广信区、沈阳市于洪区、黄南尖扎县、营口市老边区、宁夏银川市西夏区、广州市白云区、广西柳州市柳北区、达州市开江县、自贡市富顺县、清远市连山壮族瑶族自治县、镇江市京口区、内蒙古阿拉善盟额济纳旗、广西钦州市钦南区、普洱市景谷傣族彝族自治县、太原市万柏林区 、凉山会东县、洛阳市栾川县、上饶市余干县、乐东黎族自治县九所镇、孝感市孝南区

刚刚专家组披露重要结论,最新官方渠道发布研究成果,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

全国服务区域: 果洛达日县、天津市东丽区 、阜新市阜新蒙古族自治县、双鸭山市宝清县、延安市志丹县、黄冈市麻城市、宝鸡市陈仓区、九江市彭泽县、南昌市南昌县、鹤岗市萝北县、周口市商水县、忻州市岢岚县、广安市前锋区、漳州市龙海区、东莞市东坑镇、嘉兴市海盐县、齐齐哈尔市富裕县 、济南市历城区、阿坝藏族羌族自治州红原县、鄂州市鄂城区、鹤岗市萝北县、广元市青川县、徐州市新沂市、抚顺市新宾满族自治县、中山市南朗镇、黄山市屯溪区、直辖县神农架林区、天水市秦安县、渭南市华阴市、牡丹江市阳明区、安庆市大观区、乐东黎族自治县抱由镇、贵阳市息烽县、哈尔滨市通河县、咸阳市长武县、黄石市下陆区、南阳市方城县、广西梧州市长洲区、岳阳市岳阳楼区、淮南市田家庵区、天津市西青区

专家远程指导热线，多终端:昨日官方渠道披露新政策,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏

在繁忙的生活中，我们常常需要寻找一些轻松愉快的活动来放松身心。而“输了可以随意触摸内部位”就是这样一种充满趣味与挑战的游戏。这款游戏不仅能够增进朋友间的感情，还能在欢声笑语中培养信任与友谊。 这款游戏的规则非常简单，参与者分为两队，每队人数不限。游戏开始前，所有队员围成一圈，主持人站在圈内。主持人会说出一个数字，比如“5”，然后队员们需要在规定时间内完成一个任务。任务内容是：在圈内，每位队员轮流触摸其他队员的“内部位”，触摸次数与主持人说的数字相同。如果在规定时间内完成，则该队获胜；否则，输掉一局的队员可以随意触摸获胜队的任意一位队员的“内部位”。 这款游戏看似简单，实则充满趣味。在游戏中，队员们需要充分发挥团队协作精神，共同完成任务。同时，输掉一局的队员可以随意触摸获胜队的队员，这一环节更是将游戏推向高潮。 首先，游戏中的触摸环节让队员们感受到了亲密无间。在游戏中，队员们需要触摸彼此的“内部位”，这无疑是一种亲密接触。然而，这种亲密并非出于恶意，而是基于信任与友谊。在游戏中，队员们学会了放下戒备，真诚地面对彼此，从而增进了彼此的感情。 其次，游戏中的挑战性让队员们更加珍惜友谊。在游戏中，队员们需要克服困难，共同完成任务。这种挑战性不仅考验了队员们的团队协作能力，还让他们在困难面前更加团结。当队员们成功完成任务时，他们不仅收获了胜利的喜悦，更收获了友谊的珍贵。 此外，游戏中的输赢观念也得到了改变。在传统观念中，输赢往往代表着尊严与面子。然而，在这款游戏中，输赢变得不再那么重要。输掉一局的队员可以随意触摸获胜队的队员，这种设定让队员们更加注重游戏过程，而不是结果。这样一来，队员们更加珍惜彼此的友谊，而不是为了输赢而争斗。 当然，这款游戏也存在一些争议。有人认为，随意触摸他人可能会侵犯他人的隐私。对此，我们可以在游戏中设定一些规则，比如触摸时只能轻触，不能用力；触摸部位也要有限制，不能过于私密。这样一来，既能保证游戏的趣味性，又能尊重他人的隐私。 总之，“输了可以随意触摸内部位”这款游戏是一种充满趣味与挑战的活动。在游戏中，队员们可以感受到友谊的温暖，培养信任与团队协作精神。当然，在游戏中，我们也要注意尊重他人，遵守游戏规则。只有这样，这款游戏才能真正发挥其价值，成为增进友谊的桥梁。

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。