杨瀚森里程碑之夜！新秀双季后赛征程又第七登官方海报再黑7吗？？？？？？
算力，，， ，，，就像骑手一样，，， ，，，也要学会调理。。。。 。 。若是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雄师，，， ，，，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 天下。。。。 。 。在最新宣布的 LongCat-Flash 模子里，，， ，，，算力不再是一股脑砸上去，，， ，，，而是像骑手一样被精准调理：重大问题派更多 " 能手 "，，， ，，，简朴问题就近解决，，， ，，，最大限度镌汰铺张。。。。 。 。美团最近的财报，，， ，，，和所处的竞争情形，，， ，，，让它需要新的故事。。。。 。 。而 LongCat-Flash，，， ，，，就是美团递出的第一张筹码：在大模子赛道开打另一场战斗，，， ，，，把百万 tokens 的推理本钱压到 0.7 美元。。。。 。 。以下为 LongCat-Flash 手艺文档解读：像管理骑手一样管理算力手艺立异：算力活在算法中首先，，， ，，，LongCat-Flash 的特殊之处，，， ，，，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，，， ，，，但在现实推理时，，， ，，，每个 token 只需要挪用一小部分，，， ，，，约莫 18.6B – 31.3B。。。。 。 �？？？？？？梢园阉胂蟪梢桓鲋卮蟮钠锸滞哦�，，， ，，，不是每一单都要全员出动，，， ，，，而是凭证订单的难度，，， ，，，派出最合适的几位骑手去送。。。。 。 。这样一来，，， ，，，既能包管笼罩面，，， ，，，又阻止了算力铺张。。。。 。 。而所谓 " 零盘算专家 "，，， ，，，着实就是处置惩罚简朴使命的捷径。。。。 。 。好比，，， ，，，一单只是送楼下便当店的一瓶水，，， ，，，就不需要总部重大调理，，， ，，，周围的小哥顺路就能完成。。。。 。 。同样，，， ，，，LongCat-Flash 遇到简朴的 token，，， ，，，就直接放行，，， ，，，不铺张多余算力，，， ，，，把资源留给真正重大的使命。。。。 。 。这种 " 按需分派 " 的逻辑，，， ，，，让模子像调理骑手一样，，， ，，，把活派得更合理。。。。 。 。上图中展示了 LongCat-Flash 的整体架构：每层由多头潜在注重力（MLA）+ MoE 专家组成，，， ，，，其中一部分是零盘算专家，，， ，，，包管遇到简朴 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，，， ，，，加入零盘算专家的模子 loss 更低，，， ，，，收敛更快；；；；；； ( b ) 激活专家数稳固在 8 个左右，，， ，，，平均约 27B 参数；；；；；； ( c ) 差别 token 之间算力分派差别显着，，， ，，，说明模子确着实 " 挑票据 "。。。。 。 。另一个立异点叫 ScMoE（Shortcut-connected MoE）。。。。 。 。古板模子要等一批使命所有处置惩罚完，，， ，，，再进入下一批，，， ，，，就像骑手要等所有订单派完才华出门。。。。 。 。ScMoE 的思绪是 " 边派边送 "：骑手在送餐的同时，，， ，，，系统已经最先为他妄想下一单。。。。 。 。这样，，， ，，，算力的使用和通讯可以同时举行，，， ，，，整体效率自然提升。。。。 。 。图中三组曲线（差别模子规模）显示：有无 ScMoE 的 loss 险些重合，，， ，，，质量完全一致，，， ，，，但由于通讯和盘算可以重叠，，， ，，，ScMoE 在吞吐率和推理速率上显著提升。。。。 。 。工程能力：给算力买个 " 社保 "规模大，，， ，，，速率快只是第一步，，， ，，，要害是能不可稳固运行。。。。 。 。LongCat-Flash 的训练方法更像是在逐步扩张一个骑手网络：先在小规模试运行，，， ，，，把调理规则、蹊径妄想都调好，，， ，，，再推广到更大的规模，，， ，，，阻止一上来就乱成一团。。。。 。 。为了避免系统瓦解，，， ，，，它设置了 " 三重包管 "。。。。 。 。Router 稳固，，， ，，，相当于阻止所有订单都集中在一条线路；；；；；；激活稳固，，， ，，，就像避免某几个骑手被派单过多而累坏；；；；；；优化器稳固，，， ，，，则包管整体调理有节奏，，， ，，，恒久能跑下去。。。。 。 。正是靠这一套机制，，， ，，，它在 30 天里完成了 20 万亿 tokens 的训练使命。。。。 。 。性能较量：体现稳健从效果单来看，，， ，，，LongCat-Flash 不但是推理快，，， ，，，在各大基准测试中同样体现稳健！�。。 。 。和ㄓ檬姑涸� MMLU（89.71）和 CEval（90.44）中，，， ，，，LongCat-Flash 抵达与国际一线模子相当的水准。。。。 。 。虽然 CEval 分数略低于 Kimi-K2（91.26），，， ，，，但整体体现依旧领先大大都基线模子，，， ，，，展现了不错的中文明确能力。。。。 。 。重大推理：在 GPQA-diamond（73.23）上，，， ，，，LongCat-Flash 与同类模子坚持相近水准；；；；；；在 DROP（79.06）、ZebraLogic（89.30）、GraphWalks-128k（51.05）等测试中，，， ，，，也稳固处于中上游梯队。。。。 。 。数学能力：在 MATH500（96.40）和 AIME24（70.42）上，，， ，，，LongCat-Flash 与 Kimi-K2、DeepSeek 相比差别不大，，， ，，，维持在高水平。。。。 。 。在 BeyondAIME（43.00）上虽有下滑，，， ，，，但整体仍优于大都模子。。。。 。 。编程使命：在 HumanEval+（88.41）、MBPP+（79.63）等 benchmark 上，，， ，，，LongCat-Flash 体现稳固，，， ，，，略低于 Kimi-K2（93.29、79.87），，， ，，，但依旧优于 Gemini2.5 Flash、Claude Sonnet 等敌手。。。。 。 。实测美团 LongCat-Flash：快着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子能力旗鼓相当。。。。 。 。因此在许多常用的测试中看不出差别，，， ，，，但有一点：美团这个模子是真的快，，， ，，，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 个差别的测试样例。。。。 。 。左边模子是 LongCat-Flash 网页端，，， ，，，右边是 kimi 1.5（凭证官网形貌，，， ，，，响应更快），，， ，，，可以看到同样的提醒词，，， ，，，LongCat-Flash 没有怎么思索，，， ，，，一行行内容直接飞出来，，， ，，，而 kimi 1.5 经由短暂思索后，，， ，，，（和 LongCat-Flash 相比）慢悠悠的把内容写出来。。。。 。 。在焦点代码部分，，， ，，，二者也没差别，，， ，，，可以说 LongCat-Flash 又快又好。。。。 。 。LongCat-Flash 的速率和价钱优势，，， ，，，未必能连忙改写行业名堂。。。。 。 。事实在大模子市场，，， ，，，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：美团依然习习用自己最善于的打法，，， ，，，把重大的科技问题翻译成 " 调理骑手 " 的逻辑，，， ，，，再用价钱杠杆撬开市场。。。。 。 。这让问题变得更有趣：当 AI 巨头们在谈模子规模、参数精度时，，， ，，，美团却在谈派单效率和本钱曲线。。。。 。 。它看似 " 接地气 " 的切入点，，， ，，，反而可能成为搅动名堂的变量，，， ，，，就像一经的 DeepSeek 那样。。。。 。 。十年前，，， ，，，美团用津贴烧出了外卖帝国。。。。 。 。十年后，，， ，，，它是否能靠另一场价钱战，，， ，，，把自己送进大模子的牌桌？？？？？？没人能给出谜底，，， ，，，但至少可以确定的是，，， ，，，美团已经递出了第一张筹码。。。。 。 。