圖片由AI生成
1月16日，美團LongCat官宣， LongCat-Flash-Thinking-2601現(xiàn)已開源。
美團表示，作為LongCat-Flash-Thinking模型的升級版，新模型在Agentic Search（智能體搜索）、Agentic Tool Use（智能體工具調(diào)用）、TIR（工具交互推理）等核心評測基準上，均達到開源模型SOTA水平。
據(jù)美團介紹，該模型在工具調(diào)用的泛化能力上優(yōu)勢尤其明顯，在依賴工具調(diào)用的隨機復雜任務中，性能表現(xiàn)超越了Claude-Opus-4.5-Thinking，可大幅度降低真實場景下新工具的適配訓練成本；同時，新模型支持“重思考”模式，可同時啟動8個“大腦”執(zhí)行任務。
新推出的“重思考”模式，已讓“龍貓”學會了“深思熟慮”再行動。
具體來看，當遇到高難度問題時，新模型會把思考過程拆分成“并行思考”和“總結(jié)歸納”兩步進行：
并行思考階段，與人類面對難題會同時嘗試多種解法相似，“重思考”模式下的模型，會在保證思路多樣性的同時，獨立梳理出多條推理路徑尋找最優(yōu)解；總結(jié)歸納階段，則會對多條路徑進行梳理、優(yōu)化與合成，并將優(yōu)化結(jié)果重新輸入，形成閉環(huán)迭代推理，推動思考持續(xù)深化。
除此之外，LongCat團隊在新模型中加入了額外的強化學習環(huán)節(jié)，針對性打磨模型的總結(jié)歸納能力，從而讓LongCat-Flash-Thinking-2601實現(xiàn)“想清楚再行動”的結(jié)果。
經(jīng)評估，LongCat-Flash-Thinking-2601模型在編程、數(shù)學推理、智能體工具調(diào)用、智能體搜索等維度表現(xiàn)優(yōu)異。
LongCat-Flash-Thinking-2601的平均性能比較，圖片來源：美團
為了測試智能體模型泛化能力，團隊提出了一種新的評測方法——通過構(gòu)建一套自動化任務合成流程，支持用戶基于給定關鍵詞，為任意場景隨機生成復雜任務，并為每個生成的任務配備對應的工具集與可執(zhí)行環(huán)境。
由于這類環(huán)境中的工具配置具有高度隨機性，該方法可通過評估模型在該類環(huán)境中的性能表現(xiàn)，衡量其泛化能力。
實驗結(jié)果表明，LongCat-Flash-Thinking-2601在大多數(shù)任務中保持領先性能。
對于新模型的技術(shù)思路，LongCat團隊解釋稱，傳統(tǒng)智能體往往在數(shù)個簡單模擬環(huán)境里訓練，這帶來的問題就像只在靶場訓練的士兵，到了真實“戰(zhàn)場”可能會掉鏈子。
而基于“環(huán)境擴展+多環(huán)境強化學習”核心技術(shù)，團隊為模型打造了多樣化的“高強度練兵場”，構(gòu)建了多套高質(zhì)量訓練環(huán)境，并在每套環(huán)境中集成60余種工具形成密集依賴關系圖譜與復雜聯(lián)動，支撐起高度復雜的任務場景。
實驗證明，訓練環(huán)境越豐富，模型在未知場景中的泛化能力越強。得益于這套方案，LongCat-Flash-Thinking-2601在智能體搜索、智能體工具調(diào)用等核心基準測試中穩(wěn)居前列。
LongCat團隊稱，在復雜隨機的分布外任務中，LongCat-Flash-Thinking-2601性能優(yōu)于Claude-Opus-4.5-Thinking。（作者｜李程程，編輯｜李玉鵬）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論