从外卖到AI：美团的"跨界突袭"

你以为美团只会送外卖？这个每天穿梭在城市大街小巷的本地生活巨头，正以"跨界运动员"的姿态在AI赛道上演华丽转身——它悄悄造出的大语言模型LongCat，不仅比DeepSeek更快，更在2025年9月以开源姿态正式加入全球AI竞赛。这场跨界并非偶然，而是美团基于千万级商户数据、亿级用户行为轨迹积累的必然结果，当这些覆盖餐饮、零售、酒店、配送的复杂场景数据与AI碰撞，催生的不仅是技术突破，更是本地生活服务的智能化革命。

美团CEO王兴的判断一针见血："AI不是选择题而是生存题"。这位互联网老兵将AI提升至公司治理核心，提出"主动出击"而非"被动防御"的战略框架，明确三大方向：通过AI提升40万员工效率的"AI at work"、优化B/C端产品的"AI in products"，以及构建自研大语言模型的"Building LLM"。这种战略决心转化为真金白银的投入：2025年第二季度研发开支达63亿元，同比增长17.2%，占收入比例6.8%，2024年全年研发投入更是高达211亿元，核心本地生活业务每年在AI上的投入超百亿元。

美团AI战略的"三级跳"

1. 效率革命：AI编程助手、智能会议安排等工具已渗透日常运营，27%的新代码由AI生成，客服效率提升20%，客户满意度提高7.5个百分点。

2. 产品升级：推出AI经营决策助手"袋鼠参谋"、酒店垂类AI Agent"美团既白"，用AI重构商户服务链路。

3. 技术突围：从2025年3月LongCat作为内部助手上线，到9月开源LongCat-Flash-Chat模型，完成从应用到基础模型的跨越。

LongCat的诞生恰是这场战略的集大成者。这个5600亿参数的MoE模型，天生带着美团本地生活的"场景基因"——用户一次外卖下单涉及商户库存、配送路径、支付规则等10余个系统协同，而LongCat作为智能体，能像"超级调度员"般完成工具调用与流程编排，将AI从对话助手升级为业务引擎。更值得注意的是，其训练未依赖英伟达GPU，而是采用"数万个加速卡"的自主硬件方案，这种"接地气"的技术路径，或许正是美团跨界AI最独特的底气。

从收购AI初创公司Light Year（2.81亿美元）组建独立AI军团，到API调用量从2024年10%飙升至2025年68%，美团用两年时间证明：当外卖员的电动车轮与AI的数据流同频转动，这家公司正在重新定义"本地生活"的边界。如今LongCat-Flash-Chat的开源，不仅是技术自信的宣言，更可能成为撬动整个本地生活服务智能化的支点——毕竟，没有谁比美团更懂这个赛道的"烟火气"，也没有谁比它更擅长用技术点燃这场烟火。

当AI学会"分工干活"：LongCat的三大黑科技

AI界的“效率冠军”是怎么炼成的？美团最新开源的LongCat模型用5600亿参数实现了比手机还快的响应速度，背后藏着三项颠覆传统的“干活哲学”。

512个“专家”的分工哲学：拒绝全员加班

传统大模型像工厂流水线，每个任务都要调动所有机器全力运转，而LongCat采用的混合专家（MoE）架构更像高效的公司团队——512个“AI专家”各有所长，每个输入仅需激活其中少数专家（平均约270亿参数，仅占总参数的4.8%）。就像餐厅后厨不会让所有厨师都炒同一道菜，LongCat让擅长语义理解的专家处理对话、擅长逻辑推理的专家应对复杂问题，通过“专人专岗”避免5600亿参数“全员加班”，既保证了模型能力又降低了计算负担。

零计算专家的“懒人智慧”：简单问题不浪费算力

如果说MoE架构是“分工哲学”，那“零计算专家机制”就是LongCat的“懒人智慧”。模型在专家池中加入了特殊的“零计算专家”，它们接到简单任务时直接“抄近路”——比如处理常见词汇或标点符号时，不做任何复杂运算，直接返回输入结果，像超市自助结账机处理小额支付一样高效。这种设计让40%的简单请求免于占用高端算力，实现“算力按需分配”：复杂问题交给全职专家（标准FFN专家），简单任务交给“兼职助手”（零计算专家），既保证精度又节省资源。

关键数据：LongCat总参数达5600亿，但每个输入平均仅激活270亿参数，通过PID控制器动态调节专家负载，确保计算资源分配始终处于最优状态。

外卖骑手式并行通信：5600亿参数为何比手机还快

最令人惊叹的是LongCat的“闪电响应速度”，这要归功于快捷连接MoE（ScMoE）架构的“并行通信技术”。传统大模型的计算和通信像快递员“送完一单再取下一单”，串行操作浪费时间；而ScMoE通过跨层通道让上一层的计算与下一层的通信“同时进行”，就像外卖骑手在等餐时提前联系下一单商家，取餐送餐无缝衔接。这种“计算-通信重叠”设计让模型在H800芯片上实现100+ tokens/s的推理速度，理论上把每个词元的生成时间（TPOT）缩短近50%，最终实现5600亿参数模型的响应速度堪比手机操作。

从“分工协作”到“按需出力”再到“并行提速”，LongCat用这三大黑科技重新定义了大模型的效率标准，也为本地生活服务场景的智能化铺平了道路。

比快更快：LongCat的"性能成绩单"

如果把AI大模型比作外卖骑手，LongCat-Flash无疑是那个总能提前送达的"五星骑手"——别人需要30分钟配送的服务，它10分钟就能热气腾腾地送到用户手上。这种"比快更快"的性能优势，不仅体现在直观的响应速度上，更通过成本控制与任务执行能力的多维突破，重新定义了本地生活服务场景下的AI效率标准。

闪电级推理：从"等餐焦虑"到"秒级响应"

LongCat-Flash将推理速度推至新高度，实现单卡每秒处理100+ token的吞吐量，这意味着用户输入问题后，答案几乎能以"打字速度"同步生成。实测数据更具说服力：面对初中数学题"求分式方程1/2x=2/(x-3)的解"，LongCat仅用5秒就输出完整解题步骤，而同类模型DeepSeek需要18秒；在文学创作场景中，LongCat实现"秒级响应"，DeepSeek则需等待11秒才能生成第一段文字。这种速度差距在高频交互的本地生活场景中至关重要——当用户询问"附近奶茶店排队情况"或"外卖订单实时位置"时，每一秒的延迟都可能降低服务体验。

从技术指标看，LongCat-Flash的推理性能实现"双超越"：不仅推理吞吐量比Llama 3.3-70B提升5倍，在H800 GPU上的单用户生成速度（100+ tokens/s）更是显著超越同期Llama 3（80 tokens/s）和Gemini 2.5 Pro（约40 tokens/s）。正如行业观察所言：**"速度不是全部，但没有速度的AI就像外卖超时的骑手——再强的能力也会被差评淹没"**。

成本"地板价"：每百万token仅需5元人民币

在速度之外，LongCat-Flash通过架构优化实现了"极速又极省"的成本控制。其推理成本低至每百万输出token 0.7美元（约合5元人民币），仅为行业平均水平的1/3。这一成本优势背后，是560B参数模型仅激活27B动态参数（平均激活率4.8%）的高效设计，以及多步重叠调度器等技术创新，让算力资源像"外卖箱空间"一样被极致利用。

对本地生活服务平台而言，这种低成本意味着可以为用户提供"无限续杯"的AI交互服务——无论是餐饮推荐、优惠券计算还是售后咨询，都无需担心因调用成本过高而限制使用频次。有测算显示，若某外卖平台日均处理1亿次AI交互，采用LongCat-Flash可使年成本降低超2000万元。

Agent能力"超纲"：工具调用得分碾压竞品

LongCat-Flash的"骑手技能"不止于快，更在于复杂任务的"一次性做对"能力。在智能体（Agent）工具调用评测中，其表现尤为突出：在电信场景τ²-Bench基准测试中，LongCat-Flash以73.68分的成绩远超竞品，得分是Claude4 Sonnet（46.20分）的1.6倍，DeepSeek V3.1（38.50分）的1.9倍。这意味着在需要调用地图、支付、客服等多工具的本地生活场景中，LongCat能像"熟悉全城路况的老骑手"一样，精准规划工具调用路径，避免无效操作。

权威基准测试进一步验证了其综合实力：在指令遵循领域，IFEval得分89.65分超越Claude4 Sonnet（88.35分）；数学推理领域，MATH500准确率96.40分领先DeepSeek V3.1（96.08分）； ArenaHard-V2通用能力评测中，86.50分的成绩位列全球模型第二。以下为核心测试结果对比：

测试领域	具体基准	DeepSeek V3.1	Claude4 Sonnet	LongCat-Flash
通用能力	ArenaHard-V2	84.10	62.10	86.50
指令遵循	IFEval	86.69	88.35	89.65
	COLLIE	43.80	51.22	57.10
数学推理	MATH500	96.08	93.80	96.40
Agent工具调用	τ²-Bench(telecom)	38.50	46.20	73.68

性能启示：当AI速度、成本与能力形成"铁三角"优势，意味着本地生活服务中的"AI客服响应慢""智能推荐不准""多步骤操作繁琐"等痛点，将迎来系统性解决方案。LongCat-Flash的出现，不仅是技术参数的突破，更是对"AI服务体验"的重新定义——就像外卖骑手的"准时率"与"配送质量"同等重要，AI的"速度"与"能力"缺一不可。

从5秒解出数学题到0.7美元/百万token的成本控制，从电信场景工具调用的碾压性得分到秒级响应的交互体验，LongCat-Flash用"性能成绩单"证明：在本地生活服务的AI革命中，"快"是基础，"又快又好又省"才是核心竞争力。这或许正是美团将其开源的底气——当技术优势转化为服务优势，每个用户都能成为"五星好评"的受益者。

不止快，更要"有用"：LongCat的生活服务实战

"今晚想吃火锅，但不想排队，还得避开辣锅，记得给孩子留宝宝椅——"当你对着手机说出这句话时，LongCat已经默默调出你的历史订单偏好，自动完成餐厅筛选、订座备注，甚至提醒你常去的那家火锅店今天有宝宝椅活动。这不是科幻电影里的场景，而是美团5600亿参数AI模型LongCat在本地生活服务中的真实落地。对LongCat来说，技术的终极目标从来不是实验室里的跑分，而是成为那个能帮你解决"今晚吃什么"的贴心朋友。

从"听懂"到"解决"，AI客服的人性化进化

生活服务里的问题往往藏在口语化的抱怨中。当你对着客服说"外卖洒了一半，汤都快没了"，LongCat能瞬间捕捉到"洒了一半"这个核心诉求，自动触发理赔流程——无需你重复描述细节，也不用等待人工转接。这种"听得懂人话"的能力，背后是模型在IFEval（指令遵循评估基准）89.65分的顶尖表现，以及针对美团10亿级用户真实对话数据的深度训练。数据显示，接入LongCat后，美团智能客服的客户满意度提升了超过7.5个百分点，运营效率直接提升20%。

商户的"智能管家"：让数据为经营决策买单

对商家而言，LongCat更像一位懂行的"经营参谋"。成都一家连锁火锅店老板发现，自从用上LongCat驱动的"袋鼠参谋"系统，备货损耗率下降了15%——因为模型会结合实时天气（比如周末暴雨）、商圈人流热力图，甚至周边写字楼的加班情况，动态预测第二天的食材需求量。北京三里屯的奶茶店则通过LongCat的库存预警功能，在去年国庆假期前提前3天备足了爆款饮品原料，避免了因断货导致的日均3万元损失。这些改变的核心，在于LongCat将复杂的AI能力转化为商家"看得懂、用得上"的工具：不是冰冷的数据流，而是"明天多备20%珍珠"这样直接的行动建议。

技术哲学：不炫技，只解决真问题
LongCat-Flash被定义为"非思考型基础模型"，它不追求学术论文里的多步推理跑分，而是专注于"工具调用、环境交互、多轮信息处理"这些生活服务场景的刚需能力。就像美团工程师所说："我们不需要AI帮用户解微积分，而是要让它在用户说'外卖洒了'时，10秒内启动理赔；在商家问'明天备多少菜'时，给出结合天气和人流的精准答案。"

从"工具"到"朋友"，AI如何走进日常生活？

LongCat的"有用"，更体现在它对生活细节的理解。当你纠结"今晚吃什么"时，它会结合你的饮食偏好、附近商圈排队情况、甚至当天天气推荐——雨天推热汤面，晴天推荐户外露台餐厅；母亲节时，它不仅会提醒你"美团买菜今天有50元妈妈专享券"，还会自动生成"给妈妈做顿饭"的食材清单。这种"比你更懂你"的体验，源于模型对美团10年积累的生活服务数据的深度消化：它认识"宝宝椅""微辣免蒜"这些行业黑话，也理解"外卖洒了"背后的情绪价值。

如今，LongCat已渗透进美团生态的毛细血管：从消费者的"专属生活小秘书"，到商家的"智能经营助手"，再到内部员工的AI编程工具（27%的新代码由AI生成）。这些落地场景共同指向一个结论：真正有价值的AI，不是站在实验室聚光灯下的技术展品，而是能蹲下来帮你系鞋带的伙伴。当技术开始认真解决"订火锅""修水管""今晚吃什么"这些琐碎却重要的问题时，本地生活服务的智能革命，才算真正到来。

开源背后：美团的"AI生态野心"

当美团将5600亿参数的LongCat-Flash模型以最宽松的MIT许可证全盘开源时，业界突然意识到：这场看似"技术普惠"的举动，实则是美团在AI时代下的生态棋局。不同于巨头们封闭模型的"围墙策略"，美团选择了一条更开放的路径——用代码和权重的开放，编织一张覆盖开发者、商户与用户的AI生态网络。

用"低门槛"敲开生态大门

LongCat的开源策略从一开始就带着强烈的"普惠基因"。美团不仅在GitHub与Hugging Face同步开放全部代码与模型权重，更采用了允许自由修改、商用的MIT许可证，开发者甚至无需支付任何费用就能将其用于企业级应用，唯一的约束仅是"不滥用美团商标"。为了让技术真正"能用起来"，官方还配套了SGLang/vLLM推理框架适配方案、详细的《Deployment Guide》环境配置手册，甚至标准化的Chat模板，连中小团队都能按图索骥完成部署。

这种"零门槛"策略迅速见效：模型开源首日GitHub Star破万，单周Hugging Face下载量超5万，开发者社区里涌现出物流调度优化、智能客服插件等基于LongCat的创新应用。正如美团AI团队在技术博客中所言："我们希望LongCat成为开发者的‘脚手架’，而不是仅供仰望的‘黑箱子’。"

生态吸引力的核心密码
• 成本革命：推理成本低至5元/百万token，较同类模型下降超50%，中小企业也能负担。
• 即插即用：提供在线体验入口（https://longcat.chat/）和单机部署命令，10分钟即可启动模型。
• 场景适配：预置生活服务专用模板，覆盖单轮/多轮对话、工具调用等高频需求。

短期防御与长期重构的"双轨战略"

经济学者盘和林曾犀利指出，美团开源LongCat的底层逻辑是"防止对手用AI颠覆行业"。在本地生活赛道，当竞争对手试图用AI优化配送路径、预测消费需求时，美团通过开放模型底座，相当于将"技术护城河"变成了"生态护城河"——全球开发者的每一次优化、每一个基于LongCat的创新应用，都在间接强化美团的技术壁垒。

但这盘棋的落点远不止于防御。美团AI战略明确分为"AI at work（企业效率）、AI in products（产品智能）、Building LLM（大模型研发）"三层，LongCat正是"Building LLM"的关键落子。通过开源汇聚的开发者智慧，将反哺美团数百万商户的实际需求：餐厅老板能用低成本接入智能菜单推荐，便利店可借助AI预测库存，甚至骑手调度系统能更精准规划路线。这种"商户数据养模型，模型优化反哺商户"的正向飞轮，正是美团"用AI重构本地生活基础设施"的核心野心。

从"模型"到"生活助手"的终极进化

当技术回归生活本身，LongCat的价值开始显现出温度。不同于专注知识问答的通用模型，它更像一个扎根生活场景的"超级助手"——依托美团数亿用户的交易评价、实时配送数据和商户动态信息，能完成从"帮你选餐厅"到"规划配送时间"的全链路服务。王兴曾说："只有将人工智能深度融入到业务中，才能真正实现效率与服务的双重提升"，这句话或许揭示了AI的终极形态：不是打败人类的"超级大脑"，而是成为每个普通人的"生活搭档"。

想象这样一个场景：未来你加班到深夜打开外卖App，LongCat已根据你的口味偏好和健康数据筛选出三家餐厅，自动避开配送超时的区域，甚至在下单时就帮你备注"麻烦放门口，谢谢"。这种"润物细无声"的智能，或许正是美团通过开源LongCat想要抵达的终点——未来的AI不是颠覆生活，而是像外卖小哥一样，默默成为你生活中不可或缺的帮手。