昨日监管部门传递行业研究成果,江晓萍：一位坚韧不拔的科研女性

本周研究机构披露新政策,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。家电故障不用愁，客服热线帮您忙

连云港市灌南县、绥化市青冈县 ，聊城市东阿县、屯昌县坡心镇、齐齐哈尔市龙江县、重庆市黔江区、广西贵港市港北区、濮阳市南乐县、郴州市宜章县、海东市民和回族土族自治县、雅安市雨城区、衢州市江山市、宁夏中卫市海原县、抚州市临川区、宁夏固原市彭阳县、广州市黄埔区、福州市连江县 、嘉兴市海盐县、德宏傣族景颇族自治州芒市、广西柳州市柳江区、佳木斯市前进区、嘉峪关市新城镇、淮安市金湖县、鸡西市滴道区、无锡市宜兴市、衢州市江山市、佛山市南海区、通化市辉南县、广西南宁市兴宁区

近日观测中心传出重要预警,本月官方发布行业报告,江晓萍：一位坚韧不拔的科研女性，很高兴为您解答这个问题，让我来帮您详细说明一下：家电在线客服系统，实时沟通维修需求

忻州市定襄县、海北门源回族自治县 ，延安市甘泉县、吕梁市交城县、上饶市弋阳县、平顶山市汝州市、沈阳市辽中区、洛阳市瀍河回族区、重庆市荣昌区、金华市磐安县、衡阳市耒阳市、鸡西市滴道区、厦门市海沧区、天水市秦州区、陵水黎族自治县隆广镇、辽阳市弓长岭区、菏泽市巨野县 、甘孜康定市、玉树称多县、广西贵港市港南区、临夏广河县、萍乡市莲花县、临沂市兰山区、澄迈县永发镇、宣城市宣州区、四平市铁东区、许昌市禹州市、绥化市青冈县、忻州市宁武县、漳州市南靖县、郴州市临武县

全球服务区域: 果洛玛沁县、德州市禹城市 、昭通市绥江县、晋城市城区、迪庆德钦县、广西桂林市阳朔县、内蒙古呼伦贝尔市额尔古纳市、嘉兴市秀洲区、开封市禹王台区、鄂州市鄂城区、孝感市汉川市、金华市永康市、广西柳州市三江侗族自治县、阳江市江城区、榆林市米脂县、洛阳市瀍河回族区、连云港市东海县 、达州市开江县、温州市龙港市、绥化市庆安县、昭通市镇雄县、定西市漳县

本周数据平台近期相关部门公布权威通报,今日监管部门披露行业最新进展,江晓萍：一位坚韧不拔的科研女性，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

全国服务区域: 黄南河南蒙古族自治县、沈阳市康平县 、吉林市龙潭区、内蒙古鄂尔多斯市东胜区、楚雄永仁县、黔东南天柱县、广西贺州市八步区、天津市和平区、澄迈县老城镇、淄博市高青县、迪庆香格里拉市、六盘水市六枝特区、松原市扶余市、齐齐哈尔市甘南县、广西梧州市长洲区、佛山市南海区、遵义市桐梓县 、嘉峪关市文殊镇、温州市泰顺县、营口市盖州市、池州市石台县、朔州市平鲁区、南充市仪陇县、黄山市黟县、伊春市丰林县、上饶市广信区、深圳市光明区、平顶山市汝州市、延边图们市、广西玉林市福绵区、贵阳市白云区、伊春市丰林县、吉林市桦甸市、广西南宁市江南区、宿州市埇桥区、常德市津市市、营口市大石桥市、晋中市榆社县、湘西州凤凰县、河源市源城区、三亚市吉阳区

本周数据平台近日官方渠道公开最新动态:本月官方更新行业研究报告,江晓萍：一位坚韧不拔的科研女性

江晓萍，一个充满智慧和坚韧的名字，在我国科研领域独树一帜。她是一位优秀的科研工作者，也是一位充满激情的女性。在漫长的科研生涯中，江晓萍凭借着自己的才华和毅力，为我国科技事业的发展做出了突出贡献。 江晓萍出生于一个普通的家庭，从小就对科学充满了浓厚的兴趣。在求学过程中，她勤奋刻苦，成绩优异。在大学期间，她选择了生物科学专业，立志为我国的生物科技事业贡献自己的力量。毕业后，她进入我国一所知名高校从事科研工作，从此开始了她充满挑战的科研生涯。 江晓萍的科研之路并非一帆风顺。在科研过程中，她遇到了许多困难和挫折。但她从未放弃，始终坚持自己的信念。她坚信，只要努力拼搏，就一定能够取得成功。正是这种坚韧不拔的精神，让她在科研领域取得了举世瞩目的成就。 江晓萍的科研领域主要集中在生物技术、基因工程和生物制药等方面。她带领团队成功研发出多项具有国际领先水平的生物技术产品，为我国生物科技事业的发展做出了巨大贡献。在她的带领下，团队取得了多项国家级、省部级科研成果，为我国生物科技事业赢得了国际声誉。 江晓萍在科研工作中，始终秉持着严谨求实的态度。她认为，科研工作者要具备敏锐的洞察力、丰富的想象力和敢于挑战的精神。在她的带领下，团队形成了一种积极向上、团结协作的良好氛围。这种氛围不仅促进了团队科研工作的顺利进行，也为我国培养了一批优秀的科研人才。 江晓萍在科研领域取得的成就，离不开她对我国科技事业的热爱和执着。她始终关注国家科技发展的前沿动态，积极参与国家重大科技项目的研究。在她的努力下，我国生物科技事业取得了长足进步，为我国经济社会发展提供了有力支撑。 在江晓萍的带领下，团队积极开展国际合作与交流，与世界各国科研机构建立了广泛的合作关系。她认为，科研工作者要具备国际视野，积极参与国际竞争与合作，为我国科技事业的发展争取更多机遇。在她的推动下，我国生物科技事业在国际舞台上崭露头角。 江晓萍不仅是一位优秀的科研工作者，还是一位充满爱心的女性。她关心团队成员的成长，关注社会公益事业。在她的倡导下，团队积极参与社会公益活动，为弱势群体提供帮助。这种关爱他人的精神，使她在科研领域赢得了广泛赞誉。 总之，江晓萍是一位坚韧不拔的科研女性。她用自己的才华和毅力，为我国科技事业的发展做出了突出贡献。她的故事激励着无数科研工作者，为实现中华民族伟大复兴的中国梦而努力拼搏。在未来的科研道路上，江晓萍将继续带领团队，为我国科技事业的发展贡献自己的力量。

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。