今日行业报告传递研究成果,《18款禁用黄油游戏：我国加强网络游戏监管，守护青少年健康成长》

今日行业报告披露最新研究成果,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。全国联网维保服务，统一护理标准

阳泉市城区、黔南瓮安县 ，湛江市坡头区、陵水黎族自治县群英乡、昭通市绥江县、文昌市文城镇、鞍山市铁西区、恩施州来凤县、鹰潭市余江区、西安市阎良区、乐东黎族自治县佛罗镇、丽水市莲都区、荆州市荆州区、内蒙古呼和浩特市土默特左旗、宁夏吴忠市同心县、德州市宁津县、荆州市松滋市 、攀枝花市米易县、白山市长白朝鲜族自治县、吕梁市交城县、广西桂林市荔浦市、广西防城港市东兴市、长沙市芙蓉区、新余市渝水区、牡丹江市东宁市、广西桂林市秀峰区、甘孜雅江县、安庆市迎江区、聊城市临清市

本周官方渠道披露研究成果,本月行业报告公开最新政策,《18款禁用黄油游戏：我国加强网络游戏监管，守护青少年健康成长》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题反馈专线，多渠道受理投诉

衡阳市石鼓区、牡丹江市西安区 ，广西百色市田林县、大同市平城区、抚州市乐安县、成都市简阳市、南通市如皋市、宁波市鄞州区、宁夏中卫市海原县、荆州市公安县、潍坊市寿光市、烟台市莱阳市、吕梁市交口县、延边敦化市、南阳市桐柏县、阳江市阳西县、内蒙古赤峰市喀喇沁旗 、洛阳市瀍河回族区、湛江市遂溪县、绍兴市嵊州市、直辖县潜江市、白山市靖宇县、丽水市松阳县、广西河池市东兰县、吕梁市离石区、西双版纳勐海县、榆林市绥德县、内蒙古鄂尔多斯市康巴什区、宁夏银川市贺兰县、咸阳市泾阳县、天津市西青区

全球服务区域: 陵水黎族自治县提蒙乡、周口市项城市 、渭南市大荔县、龙岩市上杭县、德宏傣族景颇族自治州陇川县、广西贺州市钟山县、榆林市府谷县、广州市南沙区、宜昌市夷陵区、齐齐哈尔市讷河市、运城市临猗县、衡阳市雁峰区、上海市崇明区、洛阳市瀍河回族区、孝感市孝南区、鸡西市城子河区、厦门市同安区 、怀化市沅陵县、烟台市蓬莱区、常州市天宁区、吉安市永新县、长春市绿园区

近日监测部门公开,本月官方披露重大研究成果,《18款禁用黄油游戏：我国加强网络游戏监管，守护青少年健康成长》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业回收咨询中心，定制化服务

全国服务区域: 扬州市仪征市、延安市洛川县 、四平市公主岭市、延边延吉市、延边敦化市、商洛市柞水县、宜昌市猇亭区、绥化市安达市、北京市海淀区、昌江黎族自治县王下乡、延安市吴起县、武汉市黄陂区、内蒙古兴安盟突泉县、铜仁市沿河土家族自治县、甘孜康定市、广安市邻水县、重庆市云阳县 、内江市东兴区、青岛市市南区、太原市晋源区、新余市渝水区、海口市美兰区、齐齐哈尔市甘南县、玉溪市易门县、澄迈县永发镇、伊春市铁力市、潍坊市临朐县、武威市凉州区、广西百色市田阳区、安阳市林州市、内蒙古赤峰市喀喇沁旗、开封市通许县、烟台市龙口市、澄迈县仁兴镇、朔州市应县、内蒙古乌兰察布市四子王旗、宿迁市宿城区、大兴安岭地区漠河市、三门峡市陕州区、重庆市潼南区、南充市蓬安县

专家技术支援专线:本月行业报告披露新动态,《18款禁用黄油游戏：我国加强网络游戏监管，守护青少年健康成长》

近年来，随着互联网的普及和网络游戏产业的快速发展，网络游戏已成为青少年娱乐生活的重要组成部分。然而，部分网络游戏内容低俗、暴力，甚至涉及色情，严重影响了青少年的身心健康。为了加强网络游戏监管，保障青少年健康成长，我国相关部门于近日发布了《关于进一步加强网络游戏管理的通知》，决定对18款存在严重问题的黄油游戏进行禁用。 此次禁用的18款黄油游戏，涉及多个平台和游戏类型，其中包括一些知名游戏厂商的产品。这些游戏内容低俗、暴力，甚至涉及色情，严重违背了网络游戏行业的社会责任。以下是部分被禁用的黄油游戏： 1.《某某小镇》：一款以乡村为背景的模拟经营游戏，游戏内存在大量低俗、暴力内容。 2.《某某冒险岛》：一款角色扮演游戏，游戏内存在大量色情、暴力内容。 3.《某某英雄》：一款动作游戏，游戏内存在大量血腥、暴力内容。 我国相关部门表示，此次禁用18款黄油游戏，旨在加强网络游戏监管，净化网络游戏环境，保障青少年健康成长。以下是加强网络游戏监管的几个方面： 1. 严格审查游戏内容：游戏厂商在上线游戏前，必须对游戏内容进行严格审查，确保游戏内容健康、积极向上。 2. 加强实名制管理：实行网络游戏实名制，防止未成年人沉迷网络游戏。 3. 限制游戏时间：对未成年人实行游戏时间限制，防止过度沉迷。 4. 强化行业自律：游戏厂商要自觉遵守国家法律法规，加强行业自律，共同维护网络游戏行业的健康发展。 5. 加强宣传教育：通过多种渠道，加强对青少年的网络安全教育，提高青少年自我保护意识。 禁用18款黄油游戏，是我国加强网络游戏监管的重要举措。这不仅能净化网络游戏环境，还能保障青少年健康成长。然而，网络游戏监管是一项长期、复杂的系统工程，需要全社会共同努力。 首先，政府相关部门要继续加大监管力度，严厉打击违法违规网络游戏。同时，要加强对游戏厂商的监管，督促其履行社会责任，确保游戏内容健康、积极向上。 其次，游戏厂商要自觉遵守国家法律法规，加强行业自律，切实保障青少年权益。在游戏研发、运营过程中，要注重内容创新，提高游戏品质，为青少年提供更多有益的游戏产品。 再次，家长要加强对子女的关爱和教育，引导他们正确使用网络游戏。同时，要关注子女的心理健康，及时发现并解决他们在游戏中遇到的问题。 最后，广大青少年要增强自我保护意识，自觉抵制不良网络游戏，培养良好的生活习惯，健康成长。 总之，禁用18款黄油游戏是我国加强网络游戏监管的重要举措，有利于净化网络游戏环境，保障青少年健康成长。让我们共同努力，为青少年营造一个健康、积极、向上的网络游戏环境。

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。