职贝云数AI新零售门户

标题: 什么?!美团也出大模型,对标 DeepSeek? [打印本页]

作者: U4MxpqoQqf 时间: 昨天 19:05
标题: 什么?!美团也出大模型,对标 DeepSeek?
美团9月1日扔了个重磅炸弹出来：美团大模型LongCat（龙猫）问世！并在τ2-Bench 智能体测试中反超 DeepSeek-V3.1，真是外卖中来了个狠角色！

到底美团这款大模型凶猛在哪？居然能反超DeepSeek？！让我们来深扒一下！
(, 下载次数: 0)

LongCat真能碾压DeepSeek?

在AI大模型对决路上，两者选择了不同的路：“外卖调度思想”VS“学术优化思想”：

美团用外卖逻辑做AI，开启了非典型玩家的技术突袭。美团的大模型之路一末尾就透着“不按常理出牌”的气质，当其他厂商在参数规模死磕万亿大关时，LongCat-Flash 却反其道而行之 —— 采用创新的混合专家（MoE）架构，总参数量达 5600亿，但每个 Token 仅激活 186亿~313亿参数，平均上去不过 270亿。相较于DeepSeek V3.1的6710亿参数，固定激活370亿参数分明小得多。这种 "按需分配算力" 的思绪，像极了美团外卖的动态路由系统：就像不会让骑手空驶一样，AI 算力也不该有丝毫糜费。

这种设计带来的效果可谓冷艳。在 H800 GPU 上，LongCat 完成了 100+ tokens/s 的推理速度，输入成本低至 5 元 / 百万 Token，仅为行业平均程度的三分之一。技术圈津津有味的 "零计算专家" 机制，让模型在处理常见成绩时直接调用缓存结果，复杂推理时才激活更多模块，这种 "能省则省" 的适用主义，与 DeepSeek 等通用大模型的 "满功率运转" 构成鲜明对比。

更令人称奇的是其训练效率。美团用 "数万个加速卡" 在 30 天内完成了 20 万亿 Token 的训练，时期可用率高达 98.48%。这种工程化才能的背后，是美团十年积累的分布式系统阅历 —— 毕竟每天调度数百万骑手的技术，稍加改培育能变成大模型的训练调度引擎。当 DeepSeek 还在优化算法精度时，美团曾经用外卖的 "时效思想" 重构了大模型的消费方式。

实测LongCat表现力如何？

让我们抛出一些实践场景案例让LongCat和DeepSeek分别处理：

提出成绩：我的外卖超时30分钟了，骑手如今联络不上，该这么办？

LongCat表现：第一步自动触发「骑手定位查询」「订单形态追踪」「用户历史偏好分析」3 个工具，耗时 0.8 秒。

(, 下载次数: 0)
第二步：美团客服介入，自动联络用户处理成绩。
(, 下载次数: 0)
第三步：提供补偿方案，结合美团APP内的全额退款和大额无门槛券。
(, 下载次数: 0)

DeekSeek V3.1表现：DeekSeek直接帮我生成一个处理方案，可是细心发现，这个方案的处理成绩在于用户必须自动去联络相关平台，讯问赔偿方案。

(, 下载次数: 0)

不难发现：LongCat和DeekSeek在详细生活化场景的处理方案中的最大区别在于：自动和被动，当然这无可厚非，由于LongCat关联美团，直接会生成一步到位的、用户只需“被动”接受的现成方案就行，那么对于点外卖、酒店订购、旅游景点、美食团购相关生活化场景处理，LongCat处理会更优秀、便利。

提出成绩：一个底面半径为 3，高为 8 的圆锥，被平行于底面的平面截取，使得截得的小圆锥体积是原圆锥体积的 1/8。求截取平面间隔底面的高度。

LongCat表现：应用圆锥体积公式V=1/3πr²h，根据大小圆锥体积的倍数关系先得到方程1，再应用两圆锥相似性，对应的半径和高成相反比例得出方程2，联立两方程得出小圆锥的高，从而求出截取平面间隔底面的高度。

(, 下载次数: 0)

(, 下载次数: 0)

(, 下载次数: 0)

DeekSeek V3.1表现:经过思索形式分步骤推导，应用大小圆锥的体积比等于高度比的立方直接求出小圆锥的高度，从而得出截取平面间隔底面的高度为4。

(, 下载次数: 0)

经过对比分明发现，DeekSeek的求解方法更简单更直观，直接应用两圆锥的体积比等于高度比的立方求解，这也正是DeekSeek的“学术优化思想”，经过学术基准训练，逻辑严谨性强。而LongCat因训练数据侧重本地生活服务，数学推理才能较弱，容易犯简题复杂化，使人更迷糊了。

(, 下载次数: 0)

提出成绩：亚硝酸盐混入食品导致中毒，应如何定性？

LongCat表现：直接婚配《刑法》第 143 条（消费、销售不符合安全标准的食品罪），未思索「过失以风险方法危害公共安全罪」等竞合罪名。最终总结的能够性里未出现“过失投放风险物质罪”。

(, 下载次数: 0)

反观DeekSeek V3.1表现：对比《刑法》第 115 条（过失以风险方法危害公共安全罪）和第 144 条（消费、销售有毒、有害食品罪），对法律犯罪的能够性总结更片面。

核心差异在于龙猫依赖预训练的法律条文库，疾速婚配最常见罪名，但缺乏深度竞合分析。而DeepSeek 经过逻辑推理和多罪名对比，提供更严谨的法律建议，但需专业用户进一步验证。

LongCat 与市面上其他大模型产品最大的区别在于，它会结合用户需求婚配美团相关业务的营销建议。DoNews 的测试结果显示，当讯问“三家外卖谁会笑到最后？”时，LongCat 会优先思索美团的业务，并给出相应的市场分析和预测。

美团为何要进军AI大模型？

美团走到如今这步，只能是“被逼”的！

前几天美团第二季度财报显示：第二季度的运营利润下滑至2.26亿人民币，同比大幅下降98%，运营利润率也由13.7%降至0.2%。详细来看，受外卖竞争影响，二季度核心本地商业分部运营利润仅为37亿人民币，同比下降75.6%。同时，由于海外扩张，新业务分部的运营盈余同比扩展至19亿人民币。

同时，伴随着京东、淘宝闪购纷纷加入绝后绝后的外卖市场夺战，“大额补贴”、“收费喝奶茶”等曾经卷到不行。2025 年第二季度，美团外卖日均订单量虽打破 9000 万单，但市场份额从 74% 暴跌至 65%。淘宝闪购仰仗阿里生态协同，日订单峰值达 1.2 亿单，京东外卖日单量打破 2500 万单。价格战导致美团核心本地商业利润率从 25.1% 骤降至 5.7%，净利润同比下滑 89%。若按当前补贴速度，美团全年营销费用将超 500 亿元，相当于每天烧掉 1.37 亿元。

“外卖市场”如今已然是存量市场，争破了头最终也仅仅是“增收不增利”，那么，寻觅新的业务打破口成了关键，AI大模型就是尝试方向之一。

流量方面更是竞争激烈：最大对手抖音经过“内容 + 本地生活”形式，2025 年 GMV 打破 9000 亿元，日均 2 亿次本地兴味内容曝光直接分流美团用户。用户从自动搜索转向被动种草，美团传统搜索引荐算法失效。例如，用户在抖音刷到餐厅短视频后直接下单，跳过美团平台，导致美团佣金支出流失。

利润下降+微弱竞争如何“虎口夺食”逼得美团必须进一步做出转机，换言之，美团想要捍卫本人“外卖一哥”的地位，钱是不得不烧的，跨界AI是必需要做的。

此时不跟牌，要等何时跟？

饿了么、京东能否迎战？

关于美团发布AI大模型搜索引擎，饿了么、京东能否迎战？

理想上，饿了么、京东等异样在偷偷加码AI：

饿了么目前的选择是不直接发布通用大模型，而是更专注于将AI技术深度运用于其骑手端和商家端的详细业务场景。

在往年的4月，饿了么推出了本人的骑手端智能体AI助手“小饿”，已完成接单确认、到店核验、活动查询等全流程自动化配送操作。该系统还能实时推送天气预警、路况封锁等信息，协助骑手动态调整配送道路，有效降低极端天气与突发路况带来的风险。

商家端饿了么上线了智能入驻系统，经过AI自动完成资质审核、商圈分析、菜单优化等入驻流程。

而京东在外卖方面运用的核心AI技术是它的智能调度系统，这套系统能经过商家、骑手、调度中心三方的实时联动停止精准管理，调度中心会整合城市交通、天气等动态信息，为配送决策提供根据。

美团探求更多能够

DeepSeek 代表的是象牙塔式的技术探求，而美团则诠释了市井烟火中的 AI 哲学。当 LongCat 在为麻辣烫店优化出餐流程时，当它为骑手生成最优避雨道路时，我们忽然看法到：大模型的终极战场或许不在基准测试的排行榜上，而在千万商家的收银台和亿万用户的手机屏幕里。

美团的入局不是对 DeepSeek 的简单对标，而是宣告 AI 行业进入 "适用主义时代"。在这里，能帮商家多赚一块钱的模型，能够比在学术榜单上多拿一分的模型更有价值。这场由外卖平台掀起的 AI 革命，或许将彻底改写大模型的发展规则。

参考链接：

— 完 —点这里👇 关注我们

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)