本月行业协会公开重大研究成果,龙之谷中的智慧之光——探寻学者们的传奇故事

本周行业报告发布新动态,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。智能派单系统，维修师傅快速上门

赣州市上犹县、岳阳市岳阳楼区 ，商洛市丹凤县、庆阳市镇原县、齐齐哈尔市铁锋区、白银市景泰县、东方市板桥镇、直辖县天门市、东莞市沙田镇、平凉市灵台县、宁夏固原市隆德县、红河个旧市、哈尔滨市阿城区、赣州市南康区、广西柳州市鱼峰区、长沙市开福区、泰安市东平县 、榆林市靖边县、驻马店市泌阳县、临夏永靖县、葫芦岛市绥中县、陵水黎族自治县群英乡、漳州市龙文区、大理鹤庆县、怀化市麻阳苗族自治县、大兴安岭地区呼玛县、宜春市宜丰县、菏泽市曹县、杭州市下城区

可视化故障排除专线,昨日官方发布行业通报,龙之谷中的智慧之光——探寻学者们的传奇故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障远程诊断，视频指导快速解决

泰州市高港区、揭阳市揭西县 ，湘西州永顺县、宁波市北仑区、白沙黎族自治县细水乡、周口市项城市、遵义市赤水市、巴中市恩阳区、儋州市峨蔓镇、焦作市温县、文山丘北县、衡阳市石鼓区、衡阳市石鼓区、荆州市洪湖市、徐州市邳州市、许昌市鄢陵县、十堰市竹溪县 、长沙市芙蓉区、天津市武清区、长沙市芙蓉区、阜阳市颍州区、济南市长清区、庆阳市庆城县、红河建水县、天津市西青区、驻马店市确山县、内蒙古通辽市开鲁县、哈尔滨市松北区、荆州市洪湖市、汉中市宁强县、内蒙古巴彦淖尔市杭锦后旗

全球服务区域: 海北海晏县、株洲市炎陵县 、潮州市饶平县、宜宾市长宁县、忻州市岢岚县、吉林市磐石市、商洛市丹凤县、湘潭市岳塘区、阿坝藏族羌族自治州黑水县、白山市江源区、常州市新北区、驻马店市确山县、广西百色市德保县、阳泉市盂县、上海市静安区、阿坝藏族羌族自治州茂县、泸州市泸县 、云浮市云安区、乐东黎族自治县抱由镇、哈尔滨市阿城区、焦作市中站区、宣城市泾县

本周数据平台本月官方渠道公布权威通报,本周官方渠道披露行业新动向,龙之谷中的智慧之光——探寻学者们的传奇故事，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 南阳市南召县、广西南宁市良庆区 、永州市蓝山县、烟台市招远市、东方市天安乡、潍坊市奎文区、玉溪市易门县、濮阳市华龙区、内蒙古鄂尔多斯市杭锦旗、潍坊市昌邑市、吉安市万安县、肇庆市高要区、安庆市桐城市、洛阳市宜阳县、黄石市黄石港区、重庆市垫江县、邵阳市绥宁县 、宁夏固原市泾源县、杭州市桐庐县、白城市镇赉县、内蒙古赤峰市松山区、永州市江永县、广西来宾市合山市、广西梧州市蒙山县、岳阳市君山区、澄迈县中兴镇、福州市马尾区、内蒙古呼伦贝尔市根河市、徐州市鼓楼区、凉山木里藏族自治县、广州市越秀区、东莞市清溪镇、昆明市石林彝族自治县、武威市天祝藏族自治县、定西市安定区、成都市大邑县、中山市港口镇、北京市西城区、广西柳州市柳南区、洛阳市老城区、内蒙古乌海市海南区

本周数据平台近日官方渠道公开最新动态:今日行业报告披露重大进展,龙之谷中的智慧之光——探寻学者们的传奇故事

龙之谷，这片神秘而古老的土地，自古以来便流传着无数英雄豪杰的传说。在这片广袤的大地上，除了英勇的战士和神秘的法师，还有一群被称为“学者”的智者。他们潜心研究，探寻着龙之谷的奥秘，为这片土地带来了无尽的智慧与光明。 龙之谷的学者们，是这片土地上最令人敬仰的存在。他们精通各种知识，从天文地理到人文历史，无所不通。他们不仅为龙之谷的居民们解答疑惑，还致力于研究如何让这片土地更加繁荣昌盛。 在龙之谷的学者中，有一位名叫“墨轩”的传奇人物。他出生于一个普通的学者家庭，自幼聪慧过人。墨轩从小就对天文有着浓厚的兴趣，他常常独自一人观测星空，研究日月星辰的运行规律。经过多年的努力，墨轩终于成为了一位在天文学领域享有盛誉的学者。 墨轩不仅在天文学上取得了卓越的成就，他还热衷于研究历史。他深入挖掘龙之谷的历史文化，撰写了《龙之谷史略》一书，为后人留下了宝贵的历史资料。在墨轩的带领下，龙之谷的学者们开始关注历史，研究历史，传承历史。 另一位名叫“紫衣”的学者，则是一位精通医术的智者。她出生于一个医学世家，自幼跟随父亲学习医术。紫衣医术高超，她研制的各种药物不仅能够治愈疾病，还能增强人们的体质。在她的努力下，龙之谷的居民们告别了疾病困扰，过上了幸福安康的生活。 除了墨轩和紫衣，龙之谷还有许多其他的学者。他们分别研究着不同的领域，如地理、建筑、音乐、文学等。这些学者们相互交流，共同进步，为龙之谷的繁荣发展贡献了自己的力量。 在龙之谷的学者们中，有一位名叫“青阳”的年轻学者。他擅长研究地理，对龙之谷的山水地貌了如指掌。青阳曾带领学者们进行了一次大规模的地理考察，发现了许多以前未曾知晓的地理现象。他的研究成果为龙之谷的居民们提供了丰富的地理知识，也为后来的探险家们提供了宝贵的参考资料。 龙之谷的学者们，用自己的智慧和汗水，为这片土地带来了无尽的福祉。他们的事迹传颂千古，成为了龙之谷的传奇。然而，这些学者们并没有因此而骄傲自满。他们深知，自己肩负着传承文明、启迪后人的重任。 在龙之谷的学者们看来，智慧的力量是无穷的。他们相信，只要不断学习、探索，就能揭开龙之谷的更多奥秘。为了实现这一目标，他们甘愿付出一切，甚至不惜牺牲自己的生命。 如今，龙之谷的学者们已经成为了这片土地上最耀眼的光芒。他们用自己的智慧，照亮了龙之谷的未来。让我们向这些可敬的学者们致敬，愿他们的精神永远传承下去，为龙之谷的繁荣发展贡献更多的力量。

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。