近日相关部门传递新动态,巨大的仙人球后面的秘密花园

昨日相关部门披露行业进展,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。全国统一售后服务热线，售后有保障

西双版纳勐海县、庆阳市西峰区 ，东莞市麻涌镇、达州市宣汉县、梅州市大埔县、萍乡市安源区、常德市武陵区、济南市长清区、甘孜得荣县、内蒙古通辽市科尔沁区、东莞市长安镇、营口市鲅鱼圈区、琼海市长坡镇、伊春市乌翠区、内蒙古呼和浩特市土默特左旗、上饶市玉山县、大理巍山彝族回族自治县 、鹤岗市萝北县、太原市古交市、漳州市长泰区、景德镇市浮梁县、随州市广水市、南充市营山县、内蒙古巴彦淖尔市乌拉特中旗、洛阳市嵩县、衡阳市南岳区、阜新市阜新蒙古族自治县、张掖市肃南裕固族自治县、重庆市万州区

刚刚信息中心公布关键数据,昨日行业报告发布行业动态,巨大的仙人球后面的秘密花园，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心24小时在线，随时响应需求

东营市利津县、运城市垣曲县 ，景德镇市乐平市、广西防城港市上思县、徐州市泉山区、伊春市金林区、临沂市蒙阴县、辽阳市文圣区、玉溪市澄江市、大同市云州区、丽江市华坪县、宣城市郎溪县、晋城市高平市、衡阳市衡南县、绥化市安达市、广西来宾市金秀瑶族自治县、临夏广河县 、永州市道县、广西柳州市三江侗族自治县、太原市尖草坪区、三明市将乐县、陇南市武都区、泰安市新泰市、蚌埠市淮上区、广西梧州市长洲区、清远市连山壮族瑶族自治县、晋城市沁水县、红河绿春县、盐城市东台市、开封市杞县、潍坊市坊子区

全球服务区域: 黔西南望谟县、松原市长岭县 、铜陵市铜官区、吕梁市文水县、南充市高坪区、重庆市大渡口区、台州市黄岩区、西安市碑林区、大连市长海县、酒泉市玉门市、昭通市永善县、九江市柴桑区、乐山市五通桥区、衡阳市衡南县、重庆市忠县、松原市扶余市、开封市龙亭区 、永州市江永县、滨州市惠民县、福州市闽侯县、上海市浦东新区、安阳市龙安区

专家在线诊断专线,今日监管部门发布政策更新,巨大的仙人球后面的秘密花园，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心热线，电话网络全渠道

全国服务区域: 天津市河西区、广西南宁市良庆区 、东莞市高埗镇、宿州市泗县、南阳市镇平县、汕头市金平区、资阳市雁江区、常德市津市市、德阳市绵竹市、吉安市井冈山市、广安市岳池县、德州市德城区、淄博市淄川区、临汾市浮山县、昭通市巧家县、金昌市金川区、黄冈市麻城市 、重庆市彭水苗族土家族自治县、三沙市西沙区、黔南罗甸县、宁德市屏南县、江门市台山市、阳泉市城区、许昌市魏都区、开封市顺河回族区、周口市川汇区、内蒙古兴安盟突泉县、凉山冕宁县、黄冈市黄州区、自贡市大安区、宜春市万载县、广西贵港市桂平市、威海市环翠区、临夏康乐县、周口市西华县、屯昌县枫木镇、庆阳市正宁县、长治市平顺县、天津市滨海新区、定安县龙湖镇、鹤岗市兴山区

近日监测小组公开最新参数:本月官方披露行业研究成果,巨大的仙人球后面的秘密花园

在一片被岁月洗礼的荒野中，矗立着一座古老而神秘的庭院。庭院的入口处，一株巨大的仙人球傲然挺立，它那粗壮的枝干和密集的刺，仿佛在诉说着一段不为人知的往事。每当夜幕降临，月光洒在仙人球的身上，它便显得更加神秘莫测。而那些好奇的行人，总会被这株巨大的仙人球所吸引，驻足观望，试图揭开它背后隐藏的秘密。 这株巨大的仙人球，据说是庭院的主人——一位名叫李老的老人所种植。李老年轻时曾是一位探险家，走遍了大江南北，见识了无数奇珍异宝。在他晚年时，他决定将这些珍贵的植物带回故乡，种植在这片庭院中。而这株巨大的仙人球，便是他最得意的杰作。 传说，这株仙人球背后隐藏着一个秘密花园。这个花园里种满了世间罕见的珍稀植物，它们各自散发着迷人的香气，令人陶醉。然而，要进入这个秘密花园，必须经过一道严密的考验。只有那些心怀善念、勇敢善良的人，才能通过考验，一睹花园的芳华。 一天，一位年轻的旅行者来到了这座庭院。他被巨大的仙人球所吸引，决定一探究竟。他小心翼翼地绕过仙人球，来到了庭院深处。在那里，他发现了一扇古老的木门，门上镶嵌着一块铜牌，上面刻着一行字：“勇敢者，请进。” 旅行者毫不犹豫地推开了木门，只见一条蜿蜒的小径通向远方。他沿着小径前行，一路上遇到了许多考验。有时，他需要解开复杂的谜题；有时，他需要帮助受伤的小动物；有时，他甚至需要面对自己的恐惧。然而，他始终没有放弃，因为他坚信，自己一定能找到那个传说中的秘密花园。 经过漫长的旅程，旅行者终于来到了一个美丽的花园。这里的花朵五彩斑斓，散发着迷人的香气。在花园的中央，有一座精致的亭子，亭子里坐着一位美丽的女子。她微笑着看着旅行者，轻声说道：“恭喜你，勇敢的旅人。你通过了所有的考验，现在你可以进入秘密花园了。” 旅行者走进花园，只见这里种满了各种珍稀植物，它们在微风中摇曳生姿，仿佛在向他诉说着它们的故事。他不禁感叹，这真是一个人间仙境！ 然而，就在这时，李老突然出现在他的面前。他微笑着说道：“年轻人，你做得很好。这个秘密花园，是我年轻时的一个梦想。我希望你能将它传承下去，让更多的人感受到大自然的神奇。” 旅行者感激地点了点头，他决定将这个秘密花园的故事传播出去。从此，越来越多的人来到了这个庭院，欣赏到了这美丽的花园。而那株巨大的仙人球，也成为了这个秘密花园的守护者，见证着一代又一代人的成长。 在这个充满神奇和美好的秘密花园里，人们找到了心灵的慰藉，也收获了友谊和爱情。而那株巨大的仙人球，依旧静静地守护着这片土地，见证着这个秘密花园的传奇故事。

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。