今日行业报告披露重大进展,上官婉儿挥毫泼墨，笔稿独步芳华

今日官方发布重大行业通报,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。智能派单服务中心，精准匹配维修师傅

青岛市市北区、天津市河西区 ，日照市东港区、广西柳州市融水苗族自治县、东莞市中堂镇、广西南宁市横州市、宁夏银川市永宁县、甘南临潭县、西安市新城区、漳州市龙海区、内江市隆昌市、甘孜炉霍县、嘉峪关市文殊镇、哈尔滨市阿城区、海口市秀英区、松原市宁江区、牡丹江市穆棱市 、临汾市乡宁县、潍坊市诸城市、九江市柴桑区、温州市平阳县、衡阳市石鼓区、金华市义乌市、直辖县神农架林区、五指山市水满、黔南三都水族自治县、池州市东至县、东莞市石龙镇、重庆市云阳县

刚刚信息中心公布关键数据,本月行业协会传达新研究成果,上官婉儿挥毫泼墨，笔稿独步芳华，很高兴为您解答这个问题，让我来帮您详细说明一下：零部件供应中心，全品类配件库存

滁州市琅琊区、抚州市东乡区 ，广西南宁市隆安县、肇庆市德庆县、广西贵港市港南区、遂宁市蓬溪县、广西防城港市防城区、文昌市文城镇、内蒙古鄂尔多斯市鄂托克前旗、甘孜乡城县、西宁市城东区、哈尔滨市香坊区、大理剑川县、丹东市宽甸满族自治县、黄石市黄石港区、哈尔滨市木兰县、肇庆市鼎湖区 、临沧市沧源佤族自治县、西安市长安区、茂名市化州市、大连市瓦房店市、湘西州永顺县、丽水市景宁畲族自治县、马鞍山市当涂县、太原市尖草坪区、池州市青阳县、肇庆市德庆县、海西蒙古族德令哈市、临沂市兰山区、怒江傈僳族自治州泸水市、怀化市会同县

全球服务区域: 普洱市思茅区、绥化市望奎县 、周口市商水县、杭州市富阳区、锦州市北镇市、孝感市大悟县、玉溪市江川区、连云港市东海县、广西南宁市江南区、广西桂林市阳朔县、佛山市禅城区、天津市滨海新区、鹤岗市南山区、黔南罗甸县、攀枝花市东区、大庆市让胡路区、郴州市桂东县 、内蒙古呼和浩特市新城区、葫芦岛市建昌县、红河元阳县、黄山市屯溪区、驻马店市西平县

本周数据平台本月监管部门通报最新动态,本周研究机构披露新政策,上官婉儿挥毫泼墨，笔稿独步芳华，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术救援中心，重大故障专家会诊

全国服务区域: 广西来宾市金秀瑶族自治县、芜湖市弋江区 、襄阳市樊城区、德州市宁津县、四平市公主岭市、洛阳市涧西区、长沙市宁乡市、白沙黎族自治县荣邦乡、武威市民勤县、榆林市清涧县、邵阳市隆回县、宜昌市猇亭区、晋城市高平市、淮安市洪泽区、内蒙古鄂尔多斯市准格尔旗、毕节市金沙县、广西桂林市灌阳县 、广西玉林市容县、温州市泰顺县、延安市黄龙县、郑州市惠济区、甘孜石渠县、丹东市宽甸满族自治县、雅安市宝兴县、衢州市龙游县、赣州市寻乌县、昌江黎族自治县乌烈镇、万宁市山根镇、佳木斯市向阳区、绵阳市三台县、白山市抚松县、巴中市通江县、太原市阳曲县、大理剑川县、衡阳市耒阳市、淮北市杜集区、江门市新会区、延安市富县、海西蒙古族格尔木市、乐山市沙湾区、开封市龙亭区

本周数据平台稍早前行业协会报道新政:本周研究机构披露行业动态,上官婉儿挥毫泼墨，笔稿独步芳华

在历史的长河中，有许多才子佳人，他们的才情与美貌并驾齐驱，成为了后人传颂的佳话。上官婉儿，便是其中一位。她以一支笔，书写了属于自己的传奇，成为了唐朝文坛上一道独特的风景线。 上官婉儿，字婉君，号飞燕，生于唐高宗上元年间，是唐代著名女诗人、书法家。她出身名门，父亲上官仪是唐代著名的政治家、文学家，母亲郑氏也是一位才女。在这样的家庭氛围中，上官婉儿自幼便受到了良好的教育，尤其擅长文学和书法。 上官婉儿拿一支笔稿，仿佛是她生命中最为得意的时刻。她手中的笔，犹如她的灵魂，在纸上舞动，书写出一个个动人的故事。她的笔触细腻，字迹遒劲有力，每一篇作品都充满了生命的活力。 在她的笔下，有对美好生活的向往，有对世态炎凉的感慨，有对人生哲理的思考。她的诗作，既有《长恨歌》中的缠绵悱恻，又有《清平调》中的清新脱俗。她的书法，既有《兰亭序》中的飘逸洒脱，又有《祭侄文稿》中的沉郁顿挫。 上官婉儿拿一支笔稿，不仅书写了自己的才华，也书写了唐朝的繁荣。她与李白、杜甫等著名诗人交游，共同推动了唐代文学的发展。在她的影响下，许多文人墨客纷纷效仿，使得唐代文学达到了前所未有的高度。 然而，上官婉儿的命运却颇为坎坷。她曾因父亲上官仪被诬陷而遭受牵连，被贬为庶人。但她并未因此消沉，反而更加努力地追求自己的文学梦想。在逆境中，她以一支笔，书写出了属于自己的辉煌。 上官婉儿拿一支笔稿，更是她独立自主精神的体现。在那个男尊女卑的时代，她敢于挑战传统观念，勇敢地追求自己的理想。她的才华和勇气，使她成为了后世女性的楷模。 如今，上官婉儿的笔稿已成为了传世之作，被后人争相研究和传颂。她的名字，也成为了文学史上一颗璀璨的明珠。当我们翻开她的作品，仿佛能感受到她那颗热爱生活、追求真理的心。 上官婉儿拿一支笔稿，不仅书写了自己的传奇，也为我们留下了宝贵的文化遗产。她的故事，让我们明白了：只要有梦想，有勇气，就一定能够创造出属于自己的辉煌。正如她那首《赋得古原草送别》中所写：“离离原上草，一岁一枯荣。野火烧不尽，春风吹又生。”上官婉儿的一生，正如这原上草，虽历经风雨，却依然顽强地生长，为我们展现了一个女子不屈的精神风貌。 在这个充满挑战和机遇的时代，我们更应该学习上官婉儿的勇敢与智慧，用一支笔，书写属于自己的精彩人生。让我们在追求梦想的道路上，不忘初心，砥砺前行，成为那个独一无二的自己。

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。