“首脑意志”对军舰设计的糟糕影响
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樱�，，，，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。 。。。。。