(網(wǎng)經(jīng)社訊)1月16日，美團LongCat官微消息，作為LongCat-Flash-Thinking模型的升級版，LongCat-Flash-Thinking-2601現(xiàn)已開源。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。
值得一提的是，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(fù)雜任務(wù)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(xùn)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(wù)，確保思考周全、決策可靠。
目前，該功能可在 https://longcat.ai網(wǎng)站免費體驗。
“重思考”功能全新上線 智能體工具調(diào)用能力登頂開源 SOTA
據(jù)網(wǎng)經(jīng)社產(chǎn)業(yè)電商臺（B2B.100EC.CN）獲悉，全新推出的“重思考”模式，已讓“龍貓”學(xué)會了“深思熟慮”再行動。
具體來看，當(dāng)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(xué)習(xí)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)了“想清楚再行動”的結(jié)果。
經(jīng)過全面嚴謹?shù)脑u估，LongCat-Flash-Thinking-2601模型在編程、數(shù)學(xué)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（資料圖）
· 編程能力：LongCat-Flash-Thinking-2601在LCB評測中取得82.8分，OIBench EN 評測獲47.7分，成績處于同類模型第一梯隊，代碼基礎(chǔ)能力扎實。
· 數(shù)學(xué)推理能力：在開啟“重思考”模式后表現(xiàn)突出，LongCat-Flash-Thinking-2601在 AIME-25 評測中獲100.0分（滿分），IMO-AnswerBench中以86.8分達到當(dāng)前SOTA。
· 智能體工具調(diào)用能力：在τ2-Bench評測中拿到88.2分，VitaBench評測中獲得29.3分，均獲得開源SOTA水平，在多領(lǐng)域工具調(diào)用場景下表現(xiàn)優(yōu)異，適配實際應(yīng)用需求。
· 智能體搜索能力：在BrowseComp任務(wù)中取得73.1分（全模型最優(yōu)），RW Search 評測獲79.5分，LongCat-Flash-Thinking-2601具備強勁的信息檢索與場景適配能力，達到開源領(lǐng)先水平。
為了更好測試智能體模型的泛化能力，團隊還提出了一種全新的評測方法——通過構(gòu)建一套自動化任務(wù)合成流程，支持用戶基于給定關(guān)鍵詞，為任意場景隨機生成復(fù)雜任務(wù)，并為每個生成的任務(wù)配備對應(yīng)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在絕大多數(shù)任務(wù)中保持領(lǐng)先性能，印證了其在智能體場景下優(yōu)秀的泛化能力。
技術(shù)解密：從“靶場”到“實戰(zhàn)”的訓(xùn)練哲學(xué)
對于新模型的技術(shù)思路，LongCat團隊解釋稱，傳統(tǒng)智能體往往僅在數(shù)個簡單模擬環(huán)境里訓(xùn)練，這帶來的問題就像只在靶場訓(xùn)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(xué)習(xí)”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(xùn)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(guān)系圖譜與復(fù)雜聯(lián)動，支撐起高度復(fù)雜的任務(wù)場景。實驗也證明，訓(xùn)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。尤其在復(fù)雜隨機的分布外任務(wù)中，性能優(yōu)于 Claude-Opus-4.5-Thinking。
此外，LongCat團隊針對性擴展自研強化學(xué)習(xí)基礎(chǔ)設(shè)施，在保留原有高效異步訓(xùn)練特性的基礎(chǔ)上，實現(xiàn)大規(guī)模多環(huán)境智能體的穩(wěn)定并行訓(xùn)練，通過均衡搭配多環(huán)境任務(wù)、按難度與訓(xùn)練進度智能分配算力，最大化提升訓(xùn)練效率與資源利用率；該團隊還從復(fù)雜度、多樣性雙維度嚴控訓(xùn)練任務(wù)，配套專屬數(shù)據(jù)庫及優(yōu)化方案，杜絕模型“偏科”與訓(xùn)練漏洞，讓這套全流程方案持續(xù)賦能模型，使其穩(wěn)居智能體能力第一梯隊。
該團隊還表示，現(xiàn)實世界的智能體環(huán)境充滿不確定性，API調(diào)用失敗、返回異常信息、觀測數(shù)據(jù)不完整等“噪聲”問題，極易導(dǎo)致模型決策失誤。為此，團隊在訓(xùn)練數(shù)據(jù)的過程中主動注入多類噪聲，模擬API的調(diào)用失敗、返回錯誤信息、數(shù)據(jù)缺失等場景，并用課程學(xué)習(xí)的方式循序漸進地進行模型訓(xùn)練，在訓(xùn)練過程中逐步增加噪聲的類型與強度——類比教新手騎車，首先會讓其在平坦路面做練習(xí)，等技能成熟后再逐步增加路面的復(fù)雜度。
帶噪聲/無噪聲評測集下的模型表現(xiàn)對比（資料圖）
經(jīng)過系統(tǒng)化的抗干擾訓(xùn)練，LongCat-Flash-Thinking-2601（Training w/Noise組）擁有了極強的環(huán)境適應(yīng)能力，在復(fù)雜場景中，也能穩(wěn)定發(fā)揮、高效完成任務(wù)。
.png)
.png)
.png)
.png)
.png)
.png)
