昨日官方渠道传递新研究成果,公车上惊魂：一次猛烈的进出经历

今日官方渠道传递研究成果,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。智能保养提醒系统，自动推送通知

佛山市顺德区、日照市莒县 ，临高县皇桐镇、内蒙古呼和浩特市新城区、平顶山市石龙区、黄山市祁门县、文山丘北县、果洛甘德县、湘西州龙山县、宝鸡市陈仓区、忻州市神池县、定西市漳县、宣城市旌德县、内蒙古乌兰察布市商都县、扬州市邗江区、商洛市商南县、长治市黎城县 、吕梁市离石区、无锡市新吴区、韶关市新丰县、南充市营山县、昭通市盐津县、云浮市罗定市、鸡西市滴道区、德州市宁津县、黔东南麻江县、伊春市友好区、万宁市山根镇、楚雄永仁县

24小时维修咨询热线，智能语音导航,本月官方发布行业最新成果,公车上惊魂：一次猛烈的进出经历，很高兴为您解答这个问题，让我来帮您详细说明一下：智能配件管理系统，自动匹配型号

广西百色市凌云县、重庆市綦江区 ，汉中市镇巴县、东莞市长安镇、舟山市定海区、衡阳市石鼓区、龙岩市上杭县、深圳市盐田区、东莞市莞城街道、广西桂林市全州县、大理宾川县、玉树杂多县、中山市小榄镇、西安市长安区、菏泽市巨野县、吕梁市兴县、西宁市城西区 、攀枝花市米易县、铁岭市铁岭县、黄冈市黄梅县、阿坝藏族羌族自治州理县、宣城市旌德县、黄冈市浠水县、焦作市中站区、广西河池市金城江区、北京市昌平区、吉安市峡江县、临沂市平邑县、许昌市禹州市、黔东南施秉县、上海市普陀区

全球服务区域: 临沂市蒙阴县、焦作市温县 、哈尔滨市阿城区、武汉市新洲区、大庆市林甸县、扬州市仪征市、天津市静海区、武汉市新洲区、成都市青羊区、重庆市大渡口区、龙岩市上杭县、大庆市肇州县、济南市商河县、蚌埠市蚌山区、丹东市元宝区、临汾市汾西县、宁德市霞浦县 、重庆市开州区、甘孜泸定县、黄石市黄石港区、丹东市凤城市、沈阳市大东区

本周数据平台近期相关部门公布权威通报,今日官方通报新研究成果,公车上惊魂：一次猛烈的进出经历，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一配件标准，质量保证无忧

全国服务区域: 泰安市宁阳县、哈尔滨市道里区 、广西北海市铁山港区、宁夏固原市原州区、临汾市汾西县、泉州市鲤城区、广西百色市靖西市、茂名市化州市、巴中市南江县、哈尔滨市木兰县、甘孜稻城县、蚌埠市蚌山区、济南市历城区、武汉市青山区、内蒙古乌兰察布市化德县、昆明市嵩明县、甘南舟曲县 、信阳市罗山县、陇南市成县、定安县龙河镇、鞍山市铁东区、南阳市卧龙区、福州市平潭县、宁德市古田县、庆阳市庆城县、陵水黎族自治县光坡镇、益阳市安化县、肇庆市高要区、恩施州建始县、龙岩市上杭县、滨州市惠民县、武汉市东西湖区、临汾市永和县、晋中市灵石县、广西玉林市北流市、郴州市宜章县、广西梧州市龙圩区、连云港市灌南县、泸州市江阳区、厦门市集美区、玉溪市红塔区

刚刚决策部门公开重大调整:本月行业协会传达重大通报,公车上惊魂：一次猛烈的进出经历

在一个阳光明媚的早晨，我乘坐公交车去往公司。那天，公交车上人潮涌动，车厢内弥漫着早晨特有的喧嚣。我找了个座位坐下，打算在车上小憩一会儿。然而，就在我即将进入梦乡之际，一场突如其来的猛烈的进出事件打破了车厢的宁静。 那是一辆老旧的公交车，车厢内设施简陋，座椅之间也没有任何缓冲。就在这时，公交车突然来了个急刹车。车厢内的乘客们纷纷向前倾倒，而我因为反应敏捷，勉强稳住了身形。然而，就在我庆幸自己没事的时候，一个身影突然从车厢后部猛地冲了进来。 那是一个身穿黑色外套的男子，他似乎在追赶什么。他冲进车厢的速度极快，几乎是在一瞬间就来到了我的身边。他的动作非常猛烈，以至于他手中的东西——一个黑色的背包——在冲进车厢的过程中，狠狠地撞在了我的肩膀上。 我本能地用手挡了一下，背包的冲击力让我感到一阵剧痛。我抬头看去，只见那个男子已经冲到了车厢的前部，他似乎在寻找什么。他的动作非常迅速，几乎是在一瞬间就消失在了车厢的尽头。 就在这时，公交车再次启动，车厢内的乘客们纷纷站起身来，试图保持平衡。而我，因为刚才的撞击，身体还有些不适。我努力稳住身形，看着那个男子消失在车厢的尽头，心中不禁有些担忧。 就在我准备重新坐下的时候，车厢内突然传来了一阵骚动。我抬头看去，只见那个男子再次出现在了我的视线中。这一次，他手中多了一个东西——一个红色的手提包。他的脸上带着焦急的表情，显然是在寻找什么。 他再次冲进了车厢，这一次，他的动作更加猛烈。他的背包再次撞在了我的身上，这一次，我感到一阵剧烈的疼痛。我忍不住捂住了肩膀，心中暗自咒骂这个突然闯入的男子。 然而，就在这时，公交车突然来了一个急转弯。车厢内的乘客们再次失去了平衡，纷纷向前倾倒。那个男子也在这场混乱中失去了控制，他手中的红色手提包掉落在地，滚到了我的脚下。 我低头看去，只见那是一个精致的手提包，上面镶嵌着几颗闪亮的宝石。我心中一动，立刻弯腰捡起了那个手提包。就在这时，那个男子也反应过来，他迅速向我冲来，想要夺回那个手提包。 我们俩在车厢内展开了一场激烈的争夺战。他的动作非常猛烈，几乎是在一瞬间就抢过了手提包。然而，就在他准备离开的时候，公交车再次来了一个急刹车。 这一次，车厢内的乘客们更加混乱。那个男子在混乱中失去了手提包，而我则趁机将他制服。我看着他，心中不禁有些疑惑：这个男子究竟在寻找什么？ 最终，我在他的身上找到了一张纸条，上面写着：“请帮我找到这个手提包，里面有我女儿的照片。”原来，这个男子是在寻找他女儿的照片。 我看着手中的手提包，心中不禁有些感慨。这个突如其来的猛烈的进出事件，让我经历了一场惊心动魄的冒险。然而，在这场冒险中，我也收获了一份感动——那就是一个父亲对女儿深深的爱。 那天，我帮助那个男子找到了他女儿的照片，他对我表示了深深的感谢。我告诉他，只要心中有爱，无论遇到什么困难，我们都能勇敢地面对。 这次公车上猛烈的进出经历，让我深刻体会到了生活的无常和人与人之间的关爱。我相信，只要我们心怀善意，这个世界一定会变得更加美好。

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。