昨日行业协会披露最新报告,“附近约一泡：探寻城市中的静谧角落”

本月行业报告传递重要动态,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。全国统一配件标准，质量保证无忧

淮北市杜集区、赣州市全南县 ，德州市禹城市、襄阳市谷城县、昭通市大关县、黄冈市黄州区、海西蒙古族乌兰县、陵水黎族自治县三才镇、菏泽市郓城县、临高县皇桐镇、海南贵南县、德阳市绵竹市、合肥市长丰县、广西来宾市象州县、荆门市掇刀区、重庆市巴南区、运城市芮城县 、衢州市常山县、汉中市洋县、中山市古镇镇、开封市尉氏县、自贡市荣县、舟山市岱山县、台州市仙居县、十堰市张湾区、朝阳市建平县、吕梁市兴县、吉安市万安县、许昌市魏都区

刚刚专家组披露重要结论,本月国家机构传递新政策,“附近约一泡：探寻城市中的静谧角落”，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能优化保养方案

东方市东河镇、定安县龙河镇 ，吉林市船营区、咸宁市通城县、成都市崇州市、南京市栖霞区、大兴安岭地区加格达奇区、临沂市平邑县、果洛玛沁县、玉溪市华宁县、江门市台山市、吉林市舒兰市、榆林市靖边县、天津市宝坻区、毕节市赫章县、宿迁市沭阳县、株洲市渌口区 、台州市温岭市、濮阳市台前县、文山文山市、舟山市定海区、合肥市庐阳区、临沧市沧源佤族自治县、漳州市南靖县、抚州市宜黄县、黄冈市武穴市、临高县博厚镇、东莞市桥头镇、内蒙古呼伦贝尔市满洲里市、哈尔滨市阿城区、湛江市遂溪县

全球服务区域: 临高县南宝镇、南京市高淳区 、郑州市登封市、内蒙古兴安盟阿尔山市、临汾市洪洞县、云浮市罗定市、广西崇左市大新县、广西贵港市覃塘区、东莞市望牛墩镇、郴州市宜章县、锦州市北镇市、海西蒙古族德令哈市、张掖市肃南裕固族自治县、儋州市海头镇、黔南瓮安县、厦门市翔安区、泸州市江阳区 、太原市娄烦县、太原市尖草坪区、盐城市亭湖区、滁州市天长市、池州市青阳县

昨日官方渠道公开新变化,本月行业报告传达最新进展,“附近约一泡：探寻城市中的静谧角落”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电延保服务专线，长期保障支持

全国服务区域: 儋州市峨蔓镇、驻马店市遂平县 、大理洱源县、乐山市峨边彝族自治县、果洛玛沁县、内蒙古通辽市开鲁县、黔西南册亨县、万宁市三更罗镇、宜昌市秭归县、汉中市留坝县、临沧市凤庆县、赣州市定南县、文山砚山县、吉安市峡江县、中山市南头镇、黄山市祁门县、吉林市磐石市 、连云港市连云区、汉中市西乡县、广西桂林市雁山区、广西柳州市融安县、大理鹤庆县、盘锦市双台子区、成都市蒲江县、周口市西华县、菏泽市成武县、西宁市城中区、福州市晋安区、乐东黎族自治县九所镇、昭通市昭阳区、内蒙古赤峰市阿鲁科尔沁旗、苏州市虎丘区、黄山市黟县、广西桂林市永福县、镇江市丹徒区、驻马店市汝南县、内蒙古兴安盟阿尔山市、广西柳州市融安县、贵阳市息烽县、大连市甘井子区、达州市开江县

本周数据平台近期官方渠道公开权威通报:本周官方渠道传达新成果,“附近约一泡：探寻城市中的静谧角落”

在繁忙的都市生活中，我们常常被各种琐事所困扰，而放松身心成为了许多人梦寐以求的事情。在这座快节奏的城市中，寻找一处附近可以“约一泡”的地方，似乎成了一种奢侈的享受。今天，就让我们一起探寻那些隐藏在繁华背后的静谧角落，感受片刻的宁静。 一、城市公园的绿意盎然 在城市公园中，总能找到一处让人心旷神怡的角落。比如，位于市中心的人民公园，这里绿树成荫，鸟语花香。在公园的一角，有一处小亭子，四周环绕着青翠的竹林，仿佛是一个世外桃源。在这里，你可以放下手中的工作，静静地泡一杯茶，享受这片刻的宁静。 二、茶馆里的古韵风情 茶馆，作为我国传统文化的重要组成部分，历来都是人们放松身心的好去处。在城市的某个角落，或许就隐藏着一家独具特色的茶馆。走进茶馆，木质结构的建筑，古朴的家具，仿佛让人穿越时空。在这里，你可以约上三五好友，品茗论道，尽情享受茶香四溢的时光。 三、咖啡馆的浪漫时光 咖啡馆，作为现代都市的象征，已成为人们生活中不可或缺的一部分。在城市的某个转角，或许就有一家温馨的咖啡馆，等待着你的光临。在这里，你可以点上一杯咖啡，静静地坐在窗边，看着窗外的风景，让思绪随风飘荡。与好友相约在这里，更是浪漫无比。 四、书屋里的书香弥漫 在快节奏的生活中，读书成为了许多人寻求心灵慰藉的方式。在城市的一隅，或许就有一家温馨的书屋，等待着你的到来。走进书屋，书香弥漫，让人陶醉其中。在这里，你可以约上好友，一起畅谈读书心得，享受这宁静的时光。 五、温泉度假村的舒适体验 在城市的周边，或许就有一家温泉度假村，让你在忙碌的生活中找到一处静谧的角落。在这里，你可以泡在温泉里，享受水疗的舒适体验。与好友相约在这里，一边泡温泉，一边欣赏美景，让身心得到充分的放松。 总之，在城市中寻找一处“附近约一泡”的地方，不仅能让你暂时逃离喧嚣，还能让你在忙碌的生活中找到片刻的宁静。在这个快节奏的时代，让我们一起珍惜这些美好的时光，享受生活中的每一个角落。

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。