本月行业报告传递重要动态,房间里的狂欢：一场扑克大战引发的“声”与“痛”

今日行业报告披露行业进展,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。以旧换新服务中心，全流程指导

玉树曲麻莱县、黔西南兴仁市 ，抚顺市顺城区、红河弥勒市、内蒙古鄂尔多斯市准格尔旗、澄迈县永发镇、邵阳市城步苗族自治县、宜春市宜丰县、泰安市岱岳区、南昌市南昌县、淮南市谢家集区、韶关市武江区、永州市冷水滩区、中山市小榄镇、兰州市皋兰县、晋中市太谷区、楚雄牟定县 、哈尔滨市依兰县、阳江市江城区、扬州市江都区、池州市东至县、玉溪市易门县、广西崇左市扶绥县、洛阳市西工区、吕梁市离石区、红河个旧市、济南市莱芜区、焦作市修武县、烟台市莱阳市

统一服务管理平台，智能监控质量,昨日行业报告传递新政策,房间里的狂欢：一场扑克大战引发的“声”与“痛”，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收专线，环保处理旧家电

牡丹江市阳明区、曲靖市麒麟区 ，烟台市栖霞市、福州市平潭县、广西贺州市平桂区、潍坊市昌乐县、汉中市城固县、南充市高坪区、黄山市屯溪区、广西桂林市龙胜各族自治县、成都市金堂县、甘孜色达县、德州市庆云县、昭通市大关县、攀枝花市西区、九江市永修县、昆明市晋宁区 、绥化市海伦市、漳州市龙文区、定西市渭源县、广西南宁市邕宁区、陵水黎族自治县光坡镇、开封市禹王台区、内蒙古乌兰察布市兴和县、延安市吴起县、白沙黎族自治县细水乡、中山市古镇镇、永州市江华瑶族自治县、宁夏吴忠市同心县、濮阳市台前县、惠州市龙门县

全球服务区域: 威海市环翠区、凉山木里藏族自治县 、苏州市吴江区、沈阳市新民市、内蒙古包头市石拐区、常德市石门县、宿州市砀山县、阜阳市颍东区、乐东黎族自治县尖峰镇、忻州市河曲县、绥化市望奎县、驻马店市平舆县、三沙市西沙区、潍坊市诸城市、运城市万荣县、武威市凉州区、伊春市铁力市 、莆田市仙游县、本溪市本溪满族自治县、成都市青白江区、定安县龙湖镇、无锡市滨湖区

作为国家高新技术企业认证平台,本月国家机构发布重要通报,房间里的狂欢：一场扑克大战引发的“声”与“痛”，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

全国服务区域: 宜昌市当阳市、烟台市海阳市 、平凉市崇信县、韶关市翁源县、铁岭市清河区、玉溪市红塔区、商洛市镇安县、河源市龙川县、广西梧州市苍梧县、淄博市高青县、扬州市江都区、阿坝藏族羌族自治州小金县、合肥市长丰县、眉山市洪雅县、昭通市鲁甸县、赣州市上犹县、上饶市德兴市 、宁夏固原市彭阳县、重庆市巫山县、宁夏银川市贺兰县、安康市石泉县、郴州市汝城县、岳阳市岳阳县、白银市平川区、南平市松溪县、淮南市田家庵区、聊城市东阿县、广西河池市凤山县、黄山市黄山区、武威市凉州区、宁德市霞浦县、上海市金山区、黄山市休宁县、凉山西昌市、阜新市太平区、广西桂林市永福县、上饶市广信区、运城市河津市、内蒙古锡林郭勒盟镶黄旗、本溪市桓仁满族自治县、白沙黎族自治县金波乡

刚刚应急团队公布处置方案:本月行业协会传达新政策动态,房间里的狂欢：一场扑克大战引发的“声”与“痛”

周末的下午，阳光透过窗帘的缝隙，洒在温馨的客厅里。屋内的气氛异常活跃，一场激烈的扑克大战正在这里上演。参与者们或紧张、或兴奋，不时发出各种声音，仿佛要将整个房间掀翻。 “又疼又叫声音”，这不仅仅是一句描述，更是这场扑克大战的真实写照。这场大战的主角们，都是一群热爱生活的年轻人，他们来自不同的行业，却因为共同的爱好走到了一起。 比赛开始前，大家围坐在一张大桌子旁，桌上摆满了各式各样的扑克牌。随着主持人的一声令下，一场没有硝烟的战争就此展开。 “我出对子！”“我出炸弹！”“我出顺子！”……随着牌局的进行，房间里的声音越来越大。每个人都在努力地为自己争取胜利，同时也为队友加油助威。 在这场扑克大战中，声音成为了最鲜明的特点。有的人因为激动而声音提高，有的人因为紧张而声音颤抖。而每当有人出牌成功，房间里的欢呼声便会此起彼伏。 然而，在这场狂欢的背后，却隐藏着一种“痛”。这种痛，并非身体上的，而是心理上的。因为在这场游戏中，每个人都在为了胜利而拼尽全力，甚至不惜牺牲友情。 “哎呀，我输了！”一位玩家懊恼地扔下了手中的牌。旁边的队友见状，赶紧安慰道：“别灰心，下次一定能赢！”然而，这位玩家却依然无法释怀，他紧握双拳，眉头紧锁。 “你手气不好，别太在意。”另一位玩家劝慰道。然而，这种安慰似乎并没有起到作用，房间里的气氛变得有些压抑。 就在这时，一位玩家突然站了起来，大声说道：“没关系，输赢都是朋友，我们重在参与嘛！”这句话仿佛一剂强心针，让房间里的气氛瞬间回暖。 “对，就是这种精神！”众人纷纷附和。于是，大家重新投入到这场扑克大战中，忘记了输赢，忘记了痛苦，只为了享受这个过程。 在这场扑克大战中，我们看到了友情的力量。虽然输赢无法改变，但在这个过程中，我们学会了如何面对失败，如何珍惜友情。而这种精神，正是我们这个时代所需要的。 当然，在这场狂欢中，我们也应该注意保持良好的生活习惯。因为长时间的声音刺激，以及紧张的比赛氛围，都可能对我们的身体造成伤害。 总之，这场在房间打扑克又疼又叫声音的狂欢，让我们体会到了生活的乐趣，也让我们明白了友情的重要性。在今后的日子里，让我们带着这份收获，继续前行，去追求更加美好的生活。

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。