9月22日，美团LongCat团队正式推出新一代高效推理模型LongCat-Flash-Thinking，并已在Hugging Face 与 GitHub全面开源。
9月22日，美团LongCat团队正式推出新一代高效推理模型LongCat-Flash-Thinking，并已在Hugging Face 与 GitHub全面开源。相比此前的LongCat-Flash-Chat，该模型在保持高效响应的同时，强化了逻辑、数学、代码与智能体任务的综合能力，是目前全球开源模型中的先进水平之一。
值得关注的是，LongCat-Flash-Thinking在架构与训练策略上进行了系统化创新。团队采用多领域并行的强化学习方法，将STEM、代码和智能体任务分离优化，再融合训练，以提升模型能力的均衡性，并通过异步弹性共卡系统（DORA）实现三倍以上的训练提速。这一训练体系支持万卡集群稳定运行，为大规模模型迭代提供了硬件与算法层面的保障。
在应用能力上，模型引入了“双路径推理框架”，可自动筛选最优样本，并结合工具调用机制完成复杂任务。实测数据显示，该机制在确保准确率的同时，大幅减少了推理所需的Tokens消耗，提高了资源利用效率。同时，团队还通过基于 Lean4 的专家迭代数据生成方法，显著增强了模型在形式化定理证明中的可靠性。
多项公开评测结果显示，LongCat-Flash-Thinking在ARC-AGI、AIME、LiveCodeBench、τ2-Bench等基准测试中均刷新开源模型表现，部分指标已接近甚至对标顶级闭源模型。
