120亿养猪富豪 ，卖猪越多亏越狠
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�。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。