简介

美团开源560B参数MoE模型LongCat，速度远超同类竞品。美团战略目标是打造"通用生活Agent"，已在搜索、订座等场景落地AI功能，解决用户日常痛点。凭借真实商户和用户数据优势，美团构建了"场景养AI"的正向循环。其模型设计注重速度、Agent能力和低成本，完美契合即时生活服务需求，旨在让用户享受更贴心的生活服务体验。

---

起猛了，美团这下真的开始明牌干AI了。

居然，发布并直接开源了560B参数的MoE模型LongCat-Flash-Chat。

好家伙，WAIMAI里有两个AI，这次成真的了，美团真发大模型了。

开源地址：https://github.com/meituan-longcat/LongCat-Flash-Chat

也有线上体验地址：https://longcat.ai

我自己去体验了一下，整体模型能力，中规中矩，但是快，是真的快，能把560B的模型，在推理的时候搞得这么快，是真的有点牛逼的。

我直接录了个屏给大家看一下。

这里我们可以直观对比一下LongCat和DeepSeek V3的输出速度，他俩都是MoE架构，而且总参数量差不太多。

为了更公平的竞争，用了同一个问题，并关闭了联网搜索来避免搜索干扰。

先来看DeepSeek。

DeepSeek每次还是需要原地转圈圈思考一会儿，然后才一个一个的往外吐字，挺急的。

耗时整整33秒。

再来看LongCat，这刷新率不用多说了吧。

像机关枪一样哒哒哒的五六秒就输出完了。

这是LongCat和DeepSeek的另一个case，DeepSeek思考的功夫，LongCat答案快写完了。

非常直观的对比。。。

我又测了一下写作和代码。

先是做了一个新的小游戏，弹射线游戏，核心玩法是操作小球来躲避不同方向，不同速度的避弹射线，存活时间越长分数越高。

整体还行，这UI以及弹射线的设计还是很有艺术感，碰壁反弹也遵循了正确的物理规律，甚至在碰撞时会迸发好看的火花。

然后，我让LongCat写了篇小说。

全文比较长，我把完整版贴在这里，大家可以看看。

我还挺喜欢它写的那句话的：在宇宙的尺度下，孤独是一种常态。

我还让它写了一个北京美食地图。

不愧是美食世家出身的大模型，写的很细。

但是，我觉得最有趣的东西，其实是他们技术报告里的。

Agent能力。

很多人都在说LongCat快，确实，它的速度极快，但是，他们的Agent能力，也极强。

直接登顶了。

我自己一直在说，AI现在很多时候，离我们普通大众太远了。

大家都在卷生产力，卷写报告，卷做PPT，卷科研，这些东西当然很重要，但，它离我们真实的生活，总感觉还隔着一层。

大家都生产属性了。

但是美团做一个Agent能力如此之高的并且超级快的大模型，我个人觉得，他目标就是为了服务自己的业务去的。

为了服务所有C端用户的生活场景。

有些事，你得连起来看。

不知道有些人知不知道，你在美团点开搜索框，现在是有AI模式的搜索的。

它跟你传统的搜索完全不一样。

你不再需要去想“火锅”、“烤肉”这种关键词。

你可以直接跟它说人话，比如：“我想找个适合哥们儿几个喝酒撸串、人均一百左右、离我最近、现在还开着的烧烤店。”

你看，它会立刻理解你这个复杂的需求，然后把最符合条件的店铺，直接推给你。

而且，前段时间，他们也开始内测一个对我们社恐人士非常非常有用的新功能。

AI帮订座。

你找到一家想去的餐厅，点一下那个“AI帮你订”的按钮，然后输入你的需求，比如“今晚7点，4个人，要个靠窗的座”。然后，就没你事了。

美团的AI，会自己打电话给餐厅的前台。你没看错，是真的打电话，点开沟通明细，就能看到它跟前台是怎么说的。

真的会用一个听起来几乎和真人一模一样的声音，去跟前台沟通，帮你预定。

还有美团里的AI开发票，也是一个逻辑。

你点完外卖，不再需要跟商家打电话，直接让AI去帮你搞定。

这些，所有这些已经在美团上落地、或者正在内测的AI功能，它们有一个共同的特点：

全都是为了C端用户，为了生活场景，为了解决我们这些普通人，在日常生活中那些最具体、最琐碎的痛点而服务的。

这一切的布局，感觉都像是一块块拼图，正在拼出一个巨大的、清晰的图景。而这个图景的目标，就叫：

通用生活Agent。

放眼整个国内，好像确实也没有比美团更适合来做这个产品的公司了。

AI最缺的是什么？场景和数据。

OpenAI做Agent，它很牛逼，但它能帮你订一张从北京到上海的、下周二的、靠窗的高铁票吗？它能帮你找到你家楼下那家新开的、评价最好的兰州拉面吗？

它不能，因为它没有这个数据，更没有打通上下游的交易系统。

但这玩意，美团可太擅长了。

它的背后，是全国几百万家真实商户的实时菜单、库存、营业时间。是几亿C端用户每天产生的真实交易、真实评价。是几百万外卖小哥每天在城市里穿梭，构成的最鲜活的、动态的物理世界数据。

换句话说，别人是拿AI，辛辛苦苦地去找应用场景。而美团，是用无数个真实的应用场景，反过来，去养它的AI。

这是一个正向的、可以无限循环的飞轮。用户在美团上用AI的次数越多，它的AI就越懂你的需求，推荐就越精准，服务就越贴心。而服务越好，你就越离不开它。

现在，我们再回头看美团发布的那个560B参数的MoE模型，LongCat。

你就能瞬间明白，这个特点就是快和Agent能力的模型，背后的深意。

为什么要把它做得那么快？

因为生活场景的交互，是即时的。你点外卖，你订酒店，你打车，你不能等。

古典的交互设计师可能都知道，你设计产品交互时，最接受不了的，就是产品的卡顿和延迟。

一秒钟的延迟，都可能让用户直接关掉App或者放弃这个功能，快，是C端产品能够被用户接受的生命线。

只有足够快，用户才不用等。

而模型为什么突出Agent能力？

因为生活服务，本质上，就是一连串复杂任务的组合。

订一顿餐，背后需要理解你的口味、预算、位置，然后调用餐厅信息，规划外卖路线，最后完成支付。

订一张票，背后需要理解你的时间、目的地、偏好，然后调用票务系统，完成预定。

这些，都不是简单的知识问答，这全都是需要理解、规划、调用工具、执行任务才能完成的Agent行为。

还有一点，就是便宜。

LongCat的输出成本5元/百万 token。换句话说，它不希望用户花几百块的成本全网比价，而是只做几块钱的生意。

所以，当你把所有的点练成线，就可以看到，美团几乎就是在明示天下：

我们做大模型，从第一天起，瞄准的就是ToC的通用生活Agent，而不是所谓的，知识问答。

所以啊。

我觉得，别小看一个做本地生活起家的公司，更别小瞧那个每天给你送外卖的平台。

它可能，比任何人都更懂，人类真实的需求和期待。

它不是要带我们去火星，也不是剑指AGI。

它是要让我们，在这个地球上。

活得。

更像一个被照顾得无微不至的人。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】