本月行业报告公开重大成果,《ANOTHER GIRL IN THE WALL：一个被遗忘的故事》

本月行业报告公开重要信息,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

益阳市沅江市、吉林市龙潭区 ，安康市石泉县、晋中市太谷区、玉溪市红塔区、普洱市思茅区、德阳市绵竹市、吉安市吉安县、吉安市万安县、汉中市宁强县、宁夏吴忠市青铜峡市、温州市龙湾区、扬州市广陵区、西安市碑林区、广西贺州市昭平县、红河弥勒市、榆林市横山区 、安庆市大观区、宁夏吴忠市青铜峡市、衡阳市耒阳市、伊春市大箐山县、普洱市宁洱哈尼族彝族自治县、广西百色市田林县、鸡西市梨树区、孝感市大悟县、甘孜稻城县、内蒙古兴安盟乌兰浩特市、娄底市娄星区、邵阳市邵阳县

统一服务管理平台，智能监控质量,本月行业报告更新新政策,《ANOTHER GIRL IN THE WALL：一个被遗忘的故事》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后服务中心，技术团队随时支援

滨州市滨城区、郴州市桂东县 ，遵义市习水县、白银市平川区、咸宁市嘉鱼县、延安市志丹县、汉中市镇巴县、芜湖市鸠江区、焦作市孟州市、凉山昭觉县、商洛市柞水县、东方市八所镇、黄山市黟县、忻州市五台县、鸡西市鸡东县、绍兴市诸暨市、徐州市云龙区 、揭阳市榕城区、南京市建邺区、武汉市蔡甸区、漳州市漳浦县、铁岭市西丰县、营口市鲅鱼圈区、永州市道县、绍兴市越城区、北京市西城区、儋州市木棠镇、青岛市即墨区、宣城市宁国市、三明市永安市、临沂市兰山区

全球服务区域: 西安市新城区、黑河市逊克县 、武威市天祝藏族自治县、昭通市大关县、河源市东源县、常州市武进区、五指山市番阳、鄂州市鄂城区、铜仁市碧江区、宜昌市当阳市、内蒙古呼和浩特市土默特左旗、直辖县天门市、陇南市成县、抚州市黎川县、营口市大石桥市、吉林市蛟河市、北京市房山区 、忻州市宁武县、朝阳市双塔区、德州市宁津县、内蒙古巴彦淖尔市杭锦后旗、中山市东区街道

本周数据平台今日官方渠道公布最新动态,昨日官方发布行业通报,《ANOTHER GIRL IN THE WALL：一个被遗忘的故事》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后服务中心，技术团队随时支援

全国服务区域: 深圳市光明区、普洱市思茅区 、大兴安岭地区新林区、兰州市七里河区、琼海市会山镇、延安市吴起县、广西玉林市福绵区、衡阳市常宁市、白沙黎族自治县元门乡、东莞市塘厦镇、白山市临江市、内蒙古赤峰市巴林右旗、西宁市大通回族土族自治县、大庆市让胡路区、重庆市长寿区、楚雄禄丰市、中山市南区街道 、内蒙古乌兰察布市卓资县、伊春市丰林县、焦作市山阳区、淮安市涟水县、温州市乐清市、上饶市德兴市、常德市桃源县、阜新市彰武县、成都市蒲江县、玉溪市新平彝族傣族自治县、中山市横栏镇、六盘水市钟山区、沈阳市沈河区、连云港市灌南县、双鸭山市集贤县、遵义市赤水市、韶关市翁源县、九江市彭泽县、蚌埠市淮上区、宝鸡市千阳县、延边汪清县、迪庆香格里拉市、屯昌县坡心镇、宁德市福安市

本周数据平台近期官方渠道公开权威通报:今日行业协会传达研究成果,《ANOTHER GIRL IN THE WALL：一个被遗忘的故事》

在一个被岁月遗忘的小镇上，有一面看似普通的墙。这面墙，静静地矗立在小镇的边缘，见证着一代又一代人的成长与变迁。然而，在这面墙的背后，隐藏着一个关于“另一个女孩”的不为人知的故事。 那个女孩，名叫莉莉，是小镇上的一名普通少女。她有着一头乌黑的长发，一双明亮的眼睛，以及一颗善良的心。莉莉的父亲是一名勤劳的工人，母亲则是一位贤惠的家庭主妇。尽管家境并不富裕，但莉莉的生活却充满了温馨和快乐。 然而，好景不长。某一天，一场突如其来的车祸夺走了莉莉的父亲的生命。母亲悲痛欲绝，整日以泪洗面。为了维持生计，母亲不得不外出打工。年幼的莉莉，则被迫承担起照顾母亲和家务的重任。 在那个寒冷的冬日，莉莉独自一人坐在墙角，望着窗外飘落的雪花，心中充满了孤独和无助。她想起了父亲在世时的温馨时光，泪水不禁夺眶而出。就在这时，一个神秘的身影出现在她的面前。 那是一个名叫艾米丽的女孩子，她有着一头金色的长发和一双明亮的眼睛。艾米丽告诉莉莉，她也是一个孤儿，同样经历过失去亲人的痛苦。在艾米丽的陪伴下，莉莉渐渐走出了悲伤的阴影。 两个女孩决定相依为命，共同面对生活的艰辛。她们在小镇的墙角搭建了一个小窝，白天打工赚钱，晚上则相互倾诉心事。在漫长的岁月里，她们相互扶持，成为了彼此生命中不可或缺的一部分。 然而，好景不长。一天，艾米丽突然神秘失踪。莉莉四处寻找，却始终没有找到她的踪迹。失去艾米丽的莉莉，再次陷入了孤独和无助。她再次坐在那面墙角，泪水模糊了双眼。 就在这时，一个熟悉的身影出现在她的面前。那是艾米丽，她回来了。原来，艾米丽在失踪的日子里，经历了一场生死劫难，侥幸逃脱。得知莉莉的遭遇后，她决定回来陪伴莉莉，共同度过难关。 在艾米丽的陪伴下，莉莉重拾了生活的信心。她们一起努力，终于让生活逐渐好转。而那面墙，也成为了她们共同度过难关的见证。 岁月流转，莉莉和艾米丽都已长大成人。她们各自成家立业，但心中始终铭记着那段美好的回忆。而那面墙，也成为了小镇上人们口中的传说。 如今，那面墙依旧矗立在小镇边缘，见证着一代又一代人的成长。而关于“另一个女孩”的故事，也成为了小镇上流传千古的佳话。 ANOTHER GIRL IN THE WALL，一个被遗忘的故事，却永远镌刻在人们的心中。它告诉我们，在生活的艰难岁月里，友谊和陪伴是多么宝贵。而那面墙，也成为了永恒的见证。

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。