美团也开源了大模型，但我觉得他们的野心是通用生活Agent。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
美团也开源了大模型，但我觉得他们的野心是通用生活Agent。
原创 数字生命卡兹克 数字生命卡兹克 2025-09-04 09:02 广东
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，API其实更好，但是这里就直接用的网页版了，更C端用户一些，能直观的看到效果，他两也都是MoE，而且参数量差不太多。
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。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克、Qodicat、水杉
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言