今日官方通报行业变化,《输赢之间，触摸内心的柔软》

今日行业报告传递重要政策变化,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。家电维修客服电话，系统自动派单

衡阳市蒸湘区、南充市蓬安县 ，哈尔滨市依兰县、宝鸡市凤翔区、苏州市吴江区、宁夏吴忠市青铜峡市、抚州市南丰县、洛阳市宜阳县、运城市河津市、达州市万源市、清远市连山壮族瑶族自治县、普洱市西盟佤族自治县、儋州市峨蔓镇、阳泉市矿区、聊城市阳谷县、绥化市安达市、临夏广河县 、广西河池市大化瑶族自治县、临高县皇桐镇、重庆市石柱土家族自治县、商丘市宁陵县、洛阳市孟津区、昭通市绥江县、新乡市长垣市、湘潭市湘潭县、内蒙古通辽市科尔沁左翼中旗、天水市张家川回族自治县、怀化市沅陵县、洛阳市老城区

本周数据平台最新研究机构传出新变化,近日官方发布重大研究报告,《输赢之间，触摸内心的柔软》，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

凉山德昌县、徐州市鼓楼区 ，儋州市兰洋镇、苏州市虎丘区、宁夏固原市西吉县、广西河池市宜州区、益阳市沅江市、延安市子长市、绥化市庆安县、北京市通州区、楚雄姚安县、晋城市高平市、黔南福泉市、咸阳市彬州市、南平市武夷山市、鹰潭市贵溪市、铜川市王益区 、萍乡市莲花县、晋中市左权县、陇南市成县、广西南宁市横州市、九江市湖口县、阿坝藏族羌族自治州红原县、宿州市萧县、连云港市灌南县、长春市德惠市、凉山会理市、庆阳市西峰区、汕头市潮阳区、甘南碌曲县、深圳市龙华区

全球服务区域: 广西百色市田林县、宜宾市长宁县 、广西钦州市钦北区、眉山市东坡区、绥化市望奎县、广州市黄埔区、郑州市中牟县、内蒙古鄂尔多斯市康巴什区、广西河池市环江毛南族自治县、宁夏中卫市沙坡头区、东莞市厚街镇、晋中市左权县、宝鸡市渭滨区、河源市龙川县、澄迈县金江镇、长治市武乡县、广西贺州市昭平县 、黑河市北安市、信阳市罗山县、肇庆市高要区、中山市神湾镇、深圳市光明区

刚刚决策小组公开重大调整,昨日研究机构传递最新成果,《输赢之间，触摸内心的柔软》，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

全国服务区域: 中山市东升镇、湖州市德清县 、肇庆市端州区、海东市循化撒拉族自治县、清远市连州市、湘潭市湘乡市、三门峡市渑池县、济南市长清区、洛阳市宜阳县、重庆市巫山县、宁夏中卫市沙坡头区、丽水市松阳县、宜昌市当阳市、吉安市吉州区、宜昌市点军区、黄南同仁市、文昌市龙楼镇 、泰安市肥城市、西宁市城东区、吉安市吉州区、东莞市凤岗镇、榆林市米脂县、衡阳市南岳区、许昌市禹州市、临汾市大宁县、忻州市定襄县、泉州市永春县、牡丹江市阳明区、北京市顺义区、德州市宁津县、株洲市天元区、直辖县神农架林区、内蒙古巴彦淖尔市乌拉特后旗、乐东黎族自治县万冲镇、常德市临澧县、朔州市右玉县、眉山市彭山区、凉山美姑县、丽江市古城区、珠海市香洲区、牡丹江市海林市

作为国家高新技术企业认证平台:今日官方渠道传达最新成果,《输赢之间，触摸内心的柔软》

在人生的赛场上，我们总会遇到输赢。有时候，我们输得心服口服，有时候，我们输得难以置信。然而，无论输赢，我们都可以在那一刻，随意触摸内心的柔软。 输，并不意味着失败，它只是暂时的挫折。当我们输掉一场比赛，或许会感到沮丧、失望，但正是这些情绪，让我们有机会触摸内心的柔软。在这个瞬间，我们可以反思自己的不足，也可以学会如何面对失败。 记得有一次，我在学校的篮球比赛中输给了对手。那场比赛，我拼尽全力，却依然无法逆转局面。比赛结束后，我独自坐在场边，看着队友们欢呼雀跃，心中充满了失落。那一刻，我仿佛触摸到了内心的柔软，感受到了自己的脆弱。 然而，输赢之间，正是这种柔软让我们成长。我开始反思自己在比赛中的不足，是技术不够熟练，还是心态不够稳定。在接下来的日子里，我努力提高自己的技能，调整自己的心态。终于，在下一场比赛中，我带领团队赢得了胜利。 输赢之间，触摸内心的柔软，也是一种自我救赎。有时候，我们输得不明不白，心中充满了委屈。这时，我们需要学会调整自己的心态，勇敢地面对现实。在这个过程中，我们触摸到了内心的柔软，学会了宽容和理解。 记得有一次，我在一场辩论赛中输给了对手。那场比赛，我准备充分，但对手的论点更加有力，让我无法反驳。比赛结束后，我感到非常沮丧，甚至想要放弃。然而，在那一刻，我触摸到了内心的柔软，感受到了自己的无助。我开始反思自己的不足，寻找提高的方法。经过一段时间的努力，我在下一次辩论赛中取得了胜利。 输赢之间，触摸内心的柔软，更是一种人生智慧的体现。它让我们明白，人生不可能一帆风顺，总会遇到挫折和失败。而正是这些挫折和失败，让我们更加珍惜成功的喜悦，更加懂得感恩。 在人生的道路上，我们总会遇到输赢。而在这输赢之间，我们可以随意触摸内心的柔软。这种柔软，让我们学会成长、学会救赎、学会智慧。所以，无论输赢，我们都应该勇敢地面对，用心去触摸内心的柔软，让它在我们的生命中绽放光彩。

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。