今日官方发布重要研究成果,“一面亲上边一面膜下边的”：探寻古代建筑中的神秘面纱

本月行业协会发布重大动态,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。家电功能演示热线，专业展示使用技巧

攀枝花市米易县、漳州市芗城区 ，楚雄牟定县、成都市崇州市、凉山美姑县、伊春市丰林县、延安市子长市、玉溪市红塔区、文山砚山县、内蒙古通辽市库伦旗、黄南同仁市、盘锦市盘山县、云浮市云城区、太原市阳曲县、内蒙古呼和浩特市和林格尔县、连云港市灌南县、定西市岷县 、驻马店市泌阳县、济宁市邹城市、西安市新城区、徐州市泉山区、信阳市潢川县、丹东市东港市、滨州市惠民县、长治市襄垣县、万宁市三更罗镇、南通市如皋市、陇南市西和县、荆州市松滋市

本周数据平台本月官方渠道披露重要进展,本月相关部门发布新政策,“一面亲上边一面膜下边的”：探寻古代建筑中的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养提醒服务，延长产品使用寿命

保亭黎族苗族自治县什玲、宿迁市沭阳县 ，楚雄牟定县、吉安市万安县、普洱市景东彝族自治县、贵阳市南明区、忻州市河曲县、双鸭山市集贤县、眉山市彭山区、太原市尖草坪区、文山广南县、苏州市常熟市、台州市临海市、南平市顺昌县、丽水市松阳县、南通市如东县、眉山市洪雅县 、焦作市解放区、广州市天河区、哈尔滨市呼兰区、常州市金坛区、阿坝藏族羌族自治州松潘县、上海市嘉定区、甘孜色达县、合肥市庐阳区、德阳市广汉市、清远市连山壮族瑶族自治县、金华市磐安县、安阳市汤阴县、嘉峪关市文殊镇、广西桂林市叠彩区

全球服务区域: 开封市杞县、湘西州凤凰县 、临沂市蒙阴县、西安市新城区、哈尔滨市松北区、永州市零陵区、内蒙古巴彦淖尔市杭锦后旗、临沂市兰山区、成都市新都区、黔西南贞丰县、阿坝藏族羌族自治州汶川县、东莞市高埗镇、遵义市习水县、永州市冷水滩区、韶关市新丰县、巴中市巴州区、恩施州恩施市 、菏泽市单县、齐齐哈尔市铁锋区、文山文山市、襄阳市襄城区、德州市德城区

本周数据平台本月官方渠道公布权威通报,本月行业报告传达最新进展,“一面亲上边一面膜下边的”：探寻古代建筑中的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心全国联网，服务更便捷

全国服务区域: 宜春市宜丰县、合肥市蜀山区 、滁州市凤阳县、抚州市东乡区、宜昌市当阳市、大连市沙河口区、中山市西区街道、迪庆维西傈僳族自治县、琼海市会山镇、重庆市石柱土家族自治县、池州市东至县、郴州市桂东县、商洛市柞水县、株洲市醴陵市、曲靖市富源县、宁夏石嘴山市平罗县、河源市东源县 、南充市阆中市、曲靖市麒麟区、滨州市邹平市、巴中市通江县、西双版纳勐腊县、临高县多文镇、晋中市太谷区、鹤壁市淇滨区、锦州市凌海市、福州市闽侯县、广西梧州市藤县、杭州市西湖区、景德镇市珠山区、白山市临江市、永州市道县、广西柳州市三江侗族自治县、临汾市大宁县、临夏临夏市、临沧市沧源佤族自治县、吉林市龙潭区、大连市庄河市、龙岩市长汀县、汉中市宁强县、昭通市镇雄县

刚刚决策部门公开重大调整:本月行业报告发布新政策,“一面亲上边一面膜下边的”：探寻古代建筑中的神秘面纱

在我国悠久的历史长河中，古代建筑以其独特的艺术魅力和丰富的文化内涵，成为了中华民族的瑰宝。在众多建筑中，有一种结构既神秘又充满智慧，它就是“一面亲上边一面膜下边的”。本文将带您走进这个神秘的世界，一探究竟。 “一面亲上边一面膜下边的”指的是古代建筑中的一种特殊结构，即一面墙体的上半部分与屋顶直接相连，下半部分则与地面有膜状结构相隔。这种结构在古代建筑中并不常见，但它在一定程度上反映了古人对自然规律的尊重和智慧。 首先，这种结构有利于建筑物的稳定性。在古代，建筑材料多为木材和土石，这些材料在潮湿环境下容易腐烂、变形。而“一面亲上边一面膜下边的”结构，使得墙体与地面之间形成了一定的空间，有利于通风、排水，从而降低了建筑材料受潮、腐烂的风险。同时，墙体与屋顶直接相连，增强了建筑物的整体稳定性。 其次，这种结构有利于调节室内温度。在古代，人们的生活条件相对简陋，对室内温度的调节能力有限。而“一面亲上边一面膜下边的”结构，使得墙体与地面之间形成了一定的空气层，有利于空气流通，从而在一定程度上调节室内温度。在炎热的夏季，空气流通可以降低室内温度；在寒冷的冬季，空气层可以起到保温的作用。 此外，这种结构还具有一定的美观效果。在古代，建筑不仅仅是实用的，更是艺术的体现。而“一面亲上边一面膜下边的”结构，使得墙体与地面之间形成了一种独特的视觉效果，增强了建筑物的层次感。同时，这种结构还可以根据不同的建筑风格和需求，进行个性化的设计，使得建筑物更具艺术魅力。 然而，这种结构在古代建筑中的应用并不广泛，原因有以下几点： 1. 建筑材料限制：如前所述，古代建筑材料多为木材和土石，这些材料在潮湿环境下容易腐烂、变形。因此，在墙体与地面之间形成膜状结构，对材料的要求较高。 2. 施工技术限制：古代建筑技术相对落后，施工难度较大。而“一面亲上边一面膜下边的”结构，需要较高的施工技术，这在一定程度上限制了其应用。 3. 文化观念限制：在古代，人们普遍认为建筑应该与自然和谐共生，因此，在建筑设计上，更注重实用性和功能性。而“一面亲上边一面膜下边的”结构，在实用性方面相对较弱，因此在一定程度上受到了文化观念的限制。 总之，“一面亲上边一面膜下边的”结构是我国古代建筑中的一种特殊结构，它既体现了古人对自然规律的尊重和智慧，又具有一定的实用性和美观效果。虽然这种结构在古代建筑中的应用并不广泛，但它依然是我国古代建筑艺术宝库中的一颗璀璨明珠。

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。