今日监管部门公开新进展,抖音看片：短视频时代的观影新潮流

本周官方渠道发布行业新动态,美团新模型有点东西：像调度外卖小哥一样优化大模型,很高兴为您解答这个问题，让我来帮您详细说明一下。全国统一售后服务热线，售后有保障

内蒙古呼和浩特市土默特左旗、达州市开江县 ，大兴安岭地区加格达奇区、南充市仪陇县、黄冈市浠水县、内蒙古呼伦贝尔市牙克石市、南京市浦口区、益阳市沅江市、嘉兴市桐乡市、杭州市桐庐县、韶关市新丰县、淮安市涟水县、鹤壁市山城区、庆阳市环县、九江市共青城市、镇江市京口区、景德镇市乐平市 、广西桂林市叠彩区、陵水黎族自治县提蒙乡、汉中市西乡县、东方市四更镇、九江市湖口县、哈尔滨市依兰县、楚雄禄丰市、德阳市绵竹市、日照市岚山区、忻州市岢岚县、佛山市南海区、金华市婺城区

近日监测中心公开最新参数,本周研究机构披露行业动态,抖音看片：短视频时代的观影新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养记录查询，完整服务历史追溯

大连市瓦房店市、成都市成华区 ，锦州市黑山县、内蒙古兴安盟科尔沁右翼中旗、万宁市南桥镇、广西桂林市临桂区、合肥市巢湖市、昭通市水富市、屯昌县坡心镇、福州市台江区、通化市集安市、玉树称多县、黔东南锦屏县、宁夏银川市永宁县、宁德市周宁县、宝鸡市陇县、大兴安岭地区漠河市 、毕节市纳雍县、重庆市梁平区、太原市尖草坪区、龙岩市连城县、北京市门头沟区、咸阳市兴平市、乐山市金口河区、广西河池市巴马瑶族自治县、吕梁市岚县、沈阳市苏家屯区、武汉市江夏区、成都市青白江区、珠海市斗门区、楚雄永仁县

全球服务区域: 青岛市胶州市、洛阳市栾川县 、哈尔滨市方正县、绵阳市北川羌族自治县、内蒙古鄂尔多斯市伊金霍洛旗、内蒙古通辽市扎鲁特旗、青岛市李沧区、安康市白河县、新乡市牧野区、重庆市梁平区、屯昌县南吕镇、肇庆市端州区、淮安市涟水县、牡丹江市东宁市、黄山市徽州区、株洲市攸县、鹤壁市鹤山区 、安庆市望江县、黄山市黟县、惠州市惠城区、连云港市灌南县、泉州市德化县

近日观测中心传出重要预警,今日行业报告公布最新研究成果,抖音看片：短视频时代的观影新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：家电延保服务专线，长期保障支持

全国服务区域: 临沂市临沭县、广西柳州市柳南区 、辽源市龙山区、天津市和平区、内蒙古包头市土默特右旗、杭州市余杭区、漳州市龙海区、内蒙古鄂尔多斯市乌审旗、内蒙古锡林郭勒盟正蓝旗、万宁市后安镇、四平市铁东区、德州市宁津县、广西崇左市天等县、宁夏固原市原州区、重庆市潼南区、枣庄市峄城区、信阳市平桥区 、汉中市洋县、恩施州鹤峰县、蚌埠市五河县、大兴安岭地区松岭区、南充市营山县、凉山会东县、株洲市茶陵县、珠海市香洲区、兰州市永登县、丽江市玉龙纳西族自治县、郑州市新密市、伊春市汤旺县、萍乡市安源区、怒江傈僳族自治州福贡县、台州市临海市、晋城市高平市、广西柳州市融安县、宁德市福安市、宜宾市长宁县、玉树玉树市、临沧市临翔区、毕节市织金县、洛阳市洛宁县、运城市河津市

本周数据平台近期相关部门公布权威通报:昨日相关部门披露行业进展,抖音看片：短视频时代的观影新潮流

随着互联网技术的飞速发展，短视频平台如雨后春笋般涌现，抖音作为其中的一员，以其独特的魅力吸引了大量用户。在这个信息爆炸的时代，人们对于娱乐和消遣的需求日益增长，抖音看片成为了短视频时代的一种观影新潮流。 抖音看片，顾名思义，就是用户在抖音这个平台上观看各种类型的影片。从电影预告、电视剧片段，到短片、纪录片，甚至是用户自制的微电影，抖音看片几乎涵盖了所有影视类型。这种观影方式打破了传统影视观看的时空限制，让用户可以随时随地、随心所欲地观看自己感兴趣的影片。 首先，抖音看片具有极高的便捷性。用户只需打开抖音APP，搜索相关关键词，就能轻松找到自己想看的影片。而且，抖音的推荐算法非常智能，会根据用户的观看喜好，推荐更多类似的影片，让用户在短时间内找到自己喜欢的作品。 其次，抖音看片具有丰富的内容。在抖音上，不仅有国内外热门电影、电视剧的片段，还有许多独立电影人、短视频制作团队的作品。这些作品题材广泛，风格多样，为用户提供了丰富的观影选择。 再者，抖音看片具有互动性。用户在观看影片时，可以随时发表评论、点赞、转发，与其他用户交流观影心得。这种互动性让影片不再是一个孤立的个体，而是成为了一个连接人与人之间的桥梁。 然而，抖音看片也存在一些问题。首先，由于抖音平台的用户基数庞大，影片质量参差不齐。一些低俗、低劣的影片可能会出现在用户的推荐列表中，影响用户的观影体验。其次，抖音看片的时长限制，使得一些用户无法完整地欣赏到影片的精彩部分。 尽管如此，抖音看片仍然受到了广大用户的喜爱。以下是一些抖音看片的亮点： 1. 精选影片：抖音平台上的影片都是经过筛选的，保证了影片的质量。 2. 热门推荐：抖音的推荐算法会根据用户的观看喜好，推荐更多热门影片。 3. 互动性强：用户可以随时发表评论、点赞、转发，与其他用户交流观影心得。 4. 个性化推荐：抖音会根据用户的观看历史，推荐更多个性化的影片。 总之，抖音看片作为短视频时代的一种观影新潮流，为用户提供了便捷、丰富的观影体验。在享受这种观影方式的同时，我们也要关注影片质量，提高自己的审美水平。相信在未来的日子里，抖音看片会越来越完善，为用户带来更多优质的观影体验。

算力，就像骑手一样，也要学会调度。假如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大军，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 世界。在最新发布的 LongCat-Flash 模型里，算力不再是一股脑砸上去，而是像骑手一样被精准调度：复杂问题派更多 " 高手 "，简单问题就近解决，最大限度减少浪费。美团最近的财报，和所处的竞争环境，让它需要新的故事。而 LongCat-Flash，就是美团递出的第一张筹码：在大模型赛道开打另一场战斗，把百万 tokens 的推理成本压到 0.7 美元。以下为 LongCat-Flash 技术文档解读：像管理骑手一样管理算力技术创新：算力活在算法中首先，LongCat-Flash 的特别之处，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，但在实际推理时，每个 token 只需要调用一小部分，大约 18.6B – 31.3B。可以把它想象成一个庞大的骑手团队，不是每一单都要全员出动，而是根据订单的难度，派出最合适的几位骑手去送。这样一来，既能保证覆盖面，又避免了算力浪费。而所谓 " 零计算专家 "，其实就是处理简单任务的捷径。比如，一单只是送楼下便利店的一瓶水，就不需要总部复杂调度，附近的小哥顺路就能完成。同样，LongCat-Flash 遇到简单的 token，就直接放行，不浪费多余算力，把资源留给真正复杂的任务。这种 " 按需分配 " 的逻辑，让模型像调度骑手一样，把活派得更合理。上图中展示了 LongCat-Flash 的整体架构：每层由多头潜在注意力（MLA）+ MoE 专家组成，其中一部分是零计算专家，保证遇到简单 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，加入零计算专家的模型 loss 更低，收敛更快； ( b ) 激活专家数稳定在 8 个左右，平均约 27B 参数； ( c ) 不同 token 之间算力分配差异明显，说明模型确实在 " 挑单子 "。另一个创新点叫 ScMoE（Shortcut-connected MoE）。传统模型要等一批任务全部处理完，再进入下一批，就像骑手要等所有订单派完才能出门。ScMoE 的思路是 " 边派边送 "：骑手在送餐的同时，系统已经开始为他规划下一单。这样，算力的使用和通信可以同时进行，整体效率自然提升。图中三组曲线（不同模型规模）显示：有无 ScMoE 的 loss 几乎重合，质量完全一致，但由于通信和计算可以重叠，ScMoE 在吞吐率和推理速度上显著提升。工程能力：给算力买个 " 社保 "规模大，速度快只是第一步，关键是能不能稳定运行。LongCat-Flash 的训练方式更像是在逐步扩张一个骑手网络：先在小范围试运行，把调度规则、路线规划都调好，再推广到更大的范围，避免一上来就乱成一团。为了防止系统崩溃，它设置了 " 三重保障 "。Router 稳定，相当于避免所有订单都集中在一条线路；激活稳定，就像防止某几个骑手被派单过多而累坏；优化器稳定，则保证整体调度有节奏，长期能跑下去。正是靠这一套机制，它在 30 天里完成了 20 万亿 tokens 的训练任务。性能比较：表现稳健从成绩单来看，LongCat-Flash 不只是推理快，在各大基准测试中同样表现稳健：通用任务：在 MMLU（89.71）和 CEval（90.44）中，LongCat-Flash 达到与国际一线模型相当的水准。虽然 CEval 分数略低于 Kimi-K2（91.26），但整体表现依旧领先大多数基线模型，展现了不错的中文理解能力。复杂推理：在 GPQA-diamond（73.23）上，LongCat-Flash 与同类模型保持相近水准；在 DROP（79.06）、ZebraLogic（89.30）、GraphWalks-128k（51.05）等测试中，也稳定处于中上游梯队。数学能力：在 MATH500（96.40）和 AIME24（70.42）上，LongCat-Flash 与 Kimi-K2、DeepSeek 相比差距不大，维持在高水平。在 BeyondAIME（43.00）上虽有下滑，但整体仍优于多数模型。编程任务：在 HumanEval+（88.41）、MBPP+（79.63）等 benchmark 上，LongCat-Flash 表现稳定，略低于 Kimi-K2（93.29、79.87），但依旧优于 Gemini2.5 Flash、Claude Sonnet 等对手。实测美团 LongCat-Flash：快其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型能力旗鼓相当。因此在很多常用的测试中看不出差别，但有一点：美团这个模型是真的快，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 个不同的测试样例。左边模型是 LongCat-Flash 网页端，右边是 kimi 1.5（根据官网描述，响应更快），可以看到同样的提示词，LongCat-Flash 没有怎么思考，一行行内容直接飞出来，而 kimi 1.5 经过短暂思考后，（和 LongCat-Flash 相比）慢悠悠的把内容写出来。在核心代码部分，二者也没差别，可以说 LongCat-Flash 又快又好。LongCat-Flash 的速度和价格优势，未必能立刻改写行业格局。毕竟在大模型市场，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：美团依然习惯用自己最擅长的打法，把复杂的科技问题翻译成 " 调度骑手 " 的逻辑，再用价格杠杆撬开市场。这让问题变得更有趣：当 AI 巨头们在谈模型规模、参数精度时，美团却在谈派单效率和成本曲线。它看似 " 接地气 " 的切入点，反而可能成为搅动格局的变量，就像曾经的 DeepSeek 那样。十年前，美团用补贴烧出了外卖帝国。十年后，它是否能靠另一场价格战，把自己送进大模型的牌桌？没人能给出答案，但至少可以确定的是，美团已经递出了第一张筹码。