編輯｜Panda、楊文

臨近春節(jié)，各家 AI 廠商進(jìn)入沖刺階段，紛紛亮出最新大模型成果。

1 月 15 日，美團(tuán)也重磅更新自家模型 ——LongCat-Flash-Thinking-2601

這是一款強(qiáng)大高效的大規(guī)模推理模型，擁有 5600 億個(gè)參數(shù)，基于創(chuàng)新的 MoE 架構(gòu)構(gòu)建。

該模型引入了強(qiáng)大的重思考模式（Heavy Thinking Mode），能夠同時(shí)啟動(dòng) 8 路思考并最終總結(jié)出一個(gè)更全面、更可靠的結(jié)論。目前重思考模式已在 LongCat AI 平臺(tái)正式上線，人人均可體驗(yàn)。

僅選擇「深度思考」時(shí)才會(huì)觸發(fā)重思考模式。

• 體驗(yàn)鏈接：https://longcat.ai
• 模型地址：https://huggingface.co/meituan-longcat/LongCat-Flash-Thinking-2601
• GitHub：https://github.com/meituan-longcat/LongCat-Flash-Thinking-2601

不僅如此，該模型的智能體能力還獲得了重大提升：在智能體工具調(diào)用、智能體搜索和工具集成推理等基準(zhǔn)測(cè)試中達(dá)到頂尖性能，而且在任意的 OOD（分布外）真實(shí)智能體場(chǎng)景中實(shí)現(xiàn)了泛化能力的顯著提升。

研究團(tuán)隊(duì)還專門(mén)提出了一種全新的智能體模型泛化能力評(píng)測(cè)方法。

通過(guò)構(gòu)建自動(dòng)化的環(huán)境和任務(wù)合成流程，基于給定關(guān)鍵詞，隨機(jī)生成任意的復(fù)雜任務(wù)。每個(gè)生成的任務(wù)都配備對(duì)應(yīng)的工具集與可執(zhí)行環(huán)境。

這種高度隨機(jī)化的評(píng)測(cè)方式，能夠更真實(shí)地檢驗(yàn)?zāi)Ｐ驮谖粗獔?chǎng)景下的適應(yīng)能力。

實(shí)驗(yàn)結(jié)果表明，LongCat-Flash-Thinking-2601 在該評(píng)測(cè)中始終保持領(lǐng)先性能。

接下來(lái)，我們就把模型拉到真實(shí)場(chǎng)景里實(shí)測(cè)一番。

一手實(shí)測(cè)：這只龍貓有點(diǎn)強(qiáng)

我們先來(lái)試試數(shù)理邏輯推理，順便看看這個(gè)重思考模式到底是怎么一回事。

「運(yùn)動(dòng)會(huì)招募志愿者，第一次招募了不到 100 人，其中男女比例為 11:7；補(bǔ)招若干女性志愿者后，男女比例為 4:3。問(wèn)最多可能補(bǔ)招了多少名女性志愿者？」

在 longcat.ai 上開(kāi)啟「深度思考」后，便進(jìn)入了重思考模式，此時(shí) 8 個(gè) Thinker 同時(shí)開(kāi)工，每個(gè)都表現(xiàn)出不同的思考風(fēng)格。有的按常規(guī)解題，有的則直接寫(xiě)了個(gè) Python 腳本。

大部分 Thinker 給出了答案 5，其中 3 號(hào)和 6 號(hào) Thinker 還寫(xiě)出詳細(xì)的推導(dǎo)過(guò)程。待 8 個(gè) Thinker 執(zhí)行完任務(wù)后，模型再驗(yàn)證不同 Thinker 的思考過(guò)程，形成最終答案。

整個(gè)過(guò)程就像一個(gè)團(tuán)隊(duì)開(kāi)會(huì)討論問(wèn)題，最后達(dá)成共識(shí)，最終給出的解答也更靠譜得多。

下面是道邏輯推理題�！窤 的手機(jī)號(hào)碼最后 5 位，由五個(gè)不同的數(shù)字組成。B 說(shuō)：我猜它是 84261。C 說(shuō)：我猜它是 26048。D 說(shuō)：我猜它是 49280。A 說(shuō)：巧了，你們每人都猜對(duì)了位置不相鄰的兩個(gè)數(shù)。你知道這五位號(hào)碼是多少？」

8 個(gè) Thinker 再次啟動(dòng)，各自從不同角度切入。

模型沒(méi)有簡(jiǎn)單地按照「少數(shù)服從多數(shù)」的原則采納意見(jiàn)，而是調(diào)用一段代碼，系統(tǒng)驗(yàn)證答案是否滿足所有約束條件，并窮舉所有可能的組合，確認(rèn) 86240 是唯一解。

這種將單個(gè)模型調(diào)用八次的模型編排方式，在技術(shù)實(shí)現(xiàn)上雖直接，卻在實(shí)際效果上發(fā)揮出「三個(gè)臭皮匠頂過(guò)諸葛亮」的優(yōu)勢(shì)。

實(shí)測(cè)過(guò)程中，我們還發(fā)現(xiàn)了重思考模式的一種有趣玩法：投票。

舉個(gè)例子，我們可以開(kāi)啟「深度思考」模式，然后讓模型選出 2000 年代最優(yōu)秀的華語(yǔ)流行歌手。

我們發(fā)現(xiàn)不同的 Thinker 會(huì)給出很不一樣的答案，比如有一個(gè)僅選出了周杰倫、蔡依林、孫燕姿、王菲、陳奕迅五位代表，而另一個(gè)則直接列出了一長(zhǎng)串名單。

最終，經(jīng)過(guò)模型在總結(jié)階段的匯總整理，LongCat-Flash-Thinking-2601 給出了一份涵蓋多維度評(píng)估的名單，頗具參考性。

我們又試了下該模型的編程能力。先讓它生成一個(gè) Flappy Bird 小游戲，效果很不錯(cuò)。

Prompt：Make a game like flappy bird using HTML/CSS/JS in a single HTML file.

接下來(lái)我們又試了試讓其編寫(xiě)一個(gè)康威生命游戲：

Prompt：用 Python 寫(xiě)一個(gè) Conway 生命游戲，提供可視化網(wǎng)格、暫停、單步和參數(shù)調(diào)節(jié)功能。

但實(shí)事求是地說(shuō)，使用 8 個(gè) Thinker 來(lái)完成編程任務(wù)的計(jì)算成本應(yīng)當(dāng)是比較高的，可能并不適合大規(guī)模應(yīng)用（盡管目前該模型對(duì)普通用戶免費(fèi)），但是我們認(rèn)為這種模式卻非常適合醫(yī)療、金融、法律等可能需要多次深度思考來(lái)保證準(zhǔn)確性的場(chǎng)景。

最后，我們?cè)賮?lái)測(cè)試一下 LongCat-Flash-Thinking-2601 模型主打的Agent 能力，其中的核心便是工具調(diào)用。

為了方便用戶測(cè)試，美團(tuán)專門(mén)構(gòu)建了一個(gè)「大模型工具使用測(cè)試」平臺(tái)。該平臺(tái)能基于關(guān)鍵詞隨機(jī)生成復(fù)雜的 OOD（分布外）任務(wù)，專門(mén)用來(lái)試探模型在陌生環(huán)境下的行動(dòng)能力。

我們隨機(jī)生成了一個(gè)「營(yíng)養(yǎng)補(bǔ)給方案」任務(wù)。平臺(tái)生成了一個(gè)包含近30個(gè)工具的復(fù)雜圖譜。從頁(yè)面右側(cè)的依賴關(guān)系可以看出，這并非簡(jiǎn)單的線性調(diào)用，模型需要像經(jīng)驗(yàn)豐富的營(yíng)養(yǎng)學(xué)家，理清兒童營(yíng)養(yǎng)需求分析、食物營(yíng)養(yǎng)成分計(jì)算、過(guò)敏食物篩選等工具之間環(huán)環(huán)相扣的邏輯。

更有趣的是，該平臺(tái)還支持模型對(duì)比，讓用戶可以輕松地將 LongCat-Flash-Thinking 與其它模型放在同一起跑線上進(jìn)行對(duì)比。

這里我們將其與當(dāng)前大模型界的頂級(jí)選手 Claude 4.5 Opus 放在了同一個(gè)賽道上，進(jìn)行同步競(jìng)技。

8 倍速視頻

視頻展示了兩個(gè)模型在高頻調(diào)用工具時(shí)的思考流。在任務(wù)完成后，系統(tǒng)會(huì)調(diào)用 AI 評(píng)估員，從執(zhí)行速度與任務(wù)達(dá)成度兩個(gè)維度進(jìn)行復(fù)盤(pán)。

在這個(gè)具體案例中，兩個(gè)模型都交出了高分答卷，但 LongCat 成功達(dá)到了 100% 的標(biāo)準(zhǔn)覆蓋率，而 Claude 4.5 Opus 卻未能成功為用戶創(chuàng)建健康檔案，僅達(dá)到了 80% 的覆蓋率。整體而言，LongCat 在處理工具依賴關(guān)系的響應(yīng)節(jié)奏上展現(xiàn)出了更強(qiáng)的穩(wěn)定性。

深入細(xì)節(jié)，我們可以看到這些工具的調(diào)用和輸出都采用了標(biāo)準(zhǔn)的 JSON 格式，這也是當(dāng)前大量的 MCP 或 API 工具采用的主流格式。這也意味著，我們可以非常輕松地將 LongCat-Flash-Thinking-2601 整合進(jìn)到現(xiàn)有的工作流程中。

強(qiáng)大實(shí)力的根基：重思考 + 智能體

那么，表現(xiàn)如此亮眼的 LongCat-Flash-Thinking-2601 究竟是如何煉成的？

正如其推文總結(jié)的那樣，我們先給出幾個(gè)關(guān)鍵詞：并行思考、迭代式總結(jié)、環(huán)境規(guī)模擴(kuò)展（Environment Scaling）、多環(huán)境大規(guī)模強(qiáng)化學(xué)習(xí)（Multi-Environment RL Scaling）、課程學(xué)習(xí)（Curriculum Learning）。另外，還有即將發(fā)布的ZigZag Attention

作為 LongCat-Flash-Thinking 的最新版本，2601 版本繼承了上一版本的領(lǐng)域并行訓(xùn)練方案，而技術(shù)底座同樣是參數(shù)總量達(dá) 560B 的高性能混合專家（MoE）架構(gòu)模型。

來(lái)自 LongCat-Flash-Thinking 技術(shù)報(bào)告

在此基礎(chǔ)上，如上文評(píng)測(cè)所示，除了一些細(xì)節(jié)上的優(yōu)化，這個(gè)新版本重點(diǎn)引入了兩大改進(jìn)：重思考模式智能體能力

該模型新引入的重思考模式別具一格，我們目前還未見(jiàn)其它任何模型顯式或開(kāi)源地提供類似模式。

而在智能體能力方面，美團(tuán)引入了一套精心設(shè)計(jì)的流程。該流程結(jié)合了環(huán)境規(guī)模擴(kuò)展與后續(xù)任務(wù)合成，并會(huì)在此之上進(jìn)行可靠且高效的大規(guī)模、多環(huán)境強(qiáng)化學(xué)習(xí)。為更好地適應(yīng)真實(shí)世界智能體任務(wù)中固有的噪聲與不確定性，美團(tuán) LongCat 團(tuán)隊(duì)還對(duì)多種類型和不同強(qiáng)度的環(huán)境噪聲進(jìn)行了系統(tǒng)分析，并采用課程式訓(xùn)練，使模型在非理想條件下依然保持穩(wěn)健表現(xiàn)。

下面我們就來(lái)更具體地看看美團(tuán)的這些核心技術(shù)。

重思考模式：推理廣度與深度的協(xié)同擴(kuò)展

打開(kāi) longcat.ai 「深度思考」后開(kāi)始體驗(yàn)，你第一時(shí)間就會(huì)被同時(shí)冒出的 8 個(gè) Thinker 吸引注意。這正是 LongCat 團(tuán)隊(duì)提出的Heavy Thinking Mode（重思考模式）的外在表現(xiàn)。它不僅看起來(lái)炫酷，更重要的是將推理能力推向了新的邊界。

大致來(lái)看，其與 AI 大牛 Andrej Karpathy 實(shí)驗(yàn)性的大模型議會(huì)項(xiàng)目有相似之處，但不同的是，Karpathy 的大模型議會(huì)是通過(guò)模型編排方式來(lái)向不同模型構(gòu)成的集體提出問(wèn)題，讓它們各自發(fā)言并討論后給出最終解答，而 LongCat-Flash-Thinking-2601 新引入的重思考模式則是并行地調(diào)用一個(gè)模型 8 次來(lái)實(shí)現(xiàn)高強(qiáng)度的并行思考。

如此一來(lái)，便可以同時(shí)獲得多條相互獨(dú)立的推理路徑并進(jìn)行交叉驗(yàn)證，從而顯著降低偶然性錯(cuò)誤，提升在復(fù)雜問(wèn)題上的穩(wěn)定性、可靠性與最終答案質(zhì)量。如此一來(lái)，可以進(jìn)一步提升模型在極具挑戰(zhàn)性任務(wù)上的表現(xiàn)。

具體來(lái)說(shuō)，該模式會(huì)將高難度問(wèn)題求解分解為兩個(gè)互補(bǔ)階段：并行思考總結(jié)，從而同時(shí)擴(kuò)展推理的深度與寬度。

• 推理寬度方面，重思考模式會(huì)并行生成多條獨(dú)立軌跡，以廣泛探索不同推理路徑，并采用相對(duì)較高的推理溫度以保證多樣性。
• 推理深度方面，總結(jié)階段生成的精煉軌跡可以遞歸反饋給總結(jié)模型，形成支持逐步加深推理的迭代推理回路。LongCat 團(tuán)隊(duì)還專門(mén)設(shè)計(jì)了額外的強(qiáng)化學(xué)習(xí)階段來(lái)訓(xùn)練總結(jié)能力，進(jìn)一步釋放該模式的潛力。

智能體能力提升：環(huán)境規(guī)模擴(kuò)展與多環(huán)境強(qiáng)化學(xué)習(xí)

智能體能力方面，LongCat 團(tuán)隊(duì)精心設(shè)計(jì)了一套自動(dòng)化環(huán)境規(guī)模擴(kuò)展鏈路，并構(gòu)建了一組多樣且高質(zhì)量的環(huán)境，作為工具調(diào)用類任務(wù)強(qiáng)化學(xué)習(xí)的訓(xùn)練場(chǎng)，使模型能夠習(xí)得高層次、可泛化的智能體能力。

每個(gè)環(huán)境包含多達(dá) 60 余種工具，并以高密度依賴圖的形式組織，提供了足夠的復(fù)雜度以支持多樣化任務(wù)構(gòu)建與大規(guī)模探索。實(shí)驗(yàn)表明，隨著訓(xùn)練環(huán)境數(shù)量的增加，模型在分布外（OOD）任務(wù)中的表現(xiàn)會(huì)持續(xù)提升（Environment Scaling）。

高質(zhì)量任務(wù)構(gòu)建

為確保訓(xùn)練任務(wù)集的質(zhì)量，LongCat 團(tuán)隊(duì)對(duì)任務(wù)復(fù)雜度和多樣性進(jìn)行顯式控制。每個(gè)任務(wù)都定義在從高質(zhì)量環(huán)境中采樣得到的連通子圖之上，任務(wù)復(fù)雜度通過(guò)要求在該子圖內(nèi)盡可能多地協(xié)同使用工具來(lái)調(diào)節(jié)。為促進(jìn)任務(wù)多樣性，已選工具的再次采樣概率會(huì)逐步降低。

LongCat 團(tuán)隊(duì)還構(gòu)建了配套數(shù)據(jù)庫(kù)以確保任務(wù)的可執(zhí)行性，并驗(yàn)證每個(gè)任務(wù)至少存在一種可執(zhí)行解。然而，當(dāng)環(huán)境中包含大量工具時(shí)，跨數(shù)據(jù)庫(kù)的一致性維護(hù)會(huì)變得困難，可能導(dǎo)致部分任務(wù)無(wú)法驗(yàn)證。針對(duì)這一問(wèn)題，LongCat 團(tuán)隊(duì)設(shè)計(jì)了專門(mén)的應(yīng)對(duì)策略，使訓(xùn)練的穩(wěn)定性和有效性得到了充分保障。

多環(huán)境強(qiáng)化學(xué)習(xí)

在保持高效異步訓(xùn)練和流式 rollout 特性的同時(shí)，LongCat 團(tuán)隊(duì)進(jìn)一步擴(kuò)展了其強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施 DORA（異步彈性共卡系統(tǒng)），以支持環(huán)境規(guī)模擴(kuò)展下的大規(guī)模多環(huán)境智能體訓(xùn)練（Multi-Environment RL Scaling）。

具體而言，來(lái)自多個(gè)環(huán)境的任務(wù)會(huì)在每個(gè)訓(xùn)練批次中以平衡的方式混合，并根據(jù)任務(wù)復(fù)雜度和當(dāng)前訓(xùn)練狀態(tài)分配不同的 rollout 預(yù)算。

下圖展示了該模型的多環(huán)境混合強(qiáng)化學(xué)習(xí)訓(xùn)練曲線，可以看到上漲的趨勢(shì)非常穩(wěn)定，這表明美團(tuán)構(gòu)建的基礎(chǔ)設(shè)施和算法可以有效保證訓(xùn)練的穩(wěn)定性。

下圖則展示了多環(huán)境強(qiáng)化學(xué)習(xí)訓(xùn)練下，模型在不同 OOD 測(cè)試集上的 RL Scaling 表現(xiàn)，效果非常明顯。

面向噪聲環(huán)境的穩(wěn)健訓(xùn)練

真實(shí)世界的智能體環(huán)境天然存在噪聲和缺陷，僅在理想化環(huán)境中訓(xùn)練模型往往難以獲得足夠的穩(wěn)健性。為此，LongCat 團(tuán)隊(duì)在訓(xùn)練過(guò)程中顯式引入環(huán)境不完美因素，以提升模型的穩(wěn)健性。

具體而言，LongCat 團(tuán)隊(duì)系統(tǒng)分析了智能體場(chǎng)景中真實(shí)世界噪聲的主要來(lái)源，并設(shè)計(jì)了一套自動(dòng)化流程，將這些噪聲注入訓(xùn)練環(huán)境。在強(qiáng)化學(xué)習(xí)階段，LongCat 團(tuán)隊(duì)采用課程式策略，隨著訓(xùn)練推進(jìn)逐步增加噪聲的類型和強(qiáng)度。

下圖展示了模型是否采取面向噪聲環(huán)境的穩(wěn)健訓(xùn)練，在帶噪聲 / 無(wú)噪聲評(píng)測(cè)集下的表現(xiàn)對(duì)比，其中不同的評(píng)測(cè)集上依據(jù)特性添加了不同類型的噪聲�？梢钥吹剑瑤г肼暛h(huán)境下未經(jīng)過(guò)穩(wěn)健訓(xùn)練的模型的表現(xiàn)會(huì)出現(xiàn)大幅衰減，Claude 也無(wú)法適應(yīng)全部的噪聲類型。而經(jīng)過(guò)穩(wěn)健訓(xùn)練后，LongCat-Flash-Thinking-2601（Training w/ Noise 組） 對(duì)環(huán)境的噪聲和不確定性展現(xiàn)出了強(qiáng)大的適應(yīng)能力，并在各類非理想條件下取得更優(yōu)表現(xiàn)。

得益于這些改進(jìn)與創(chuàng)新，LongCat-Flash-Thinking-2601 不僅在智能體工具使用、智能體搜索以及工具融合推理等基準(zhǔn)測(cè)試中達(dá)到頂尖水平，還在任意的 OOD（分布外）真實(shí)世界智能體場(chǎng)景中展現(xiàn)出顯著提升的泛化能力。

LongCat ZigZag Attention：實(shí)現(xiàn)超長(zhǎng)上下文

LongCat ZigZag Attention，顧名思義，是一種注意力機(jī)制，根據(jù)其官方推文描述，其一大核心亮點(diǎn)是能「實(shí)現(xiàn) 100 萬(wàn) token 上下文」。據(jù)悉，LongCat ZigZag Attention 已被成功用于訓(xùn)練當(dāng)前 LongCat-Flash-Thinking 模型的一個(gè)分支，我們也將很快見(jiàn)證這個(gè)分支版本面世。細(xì)節(jié)詳見(jiàn)論文：https://arxiv.org/abs/2512.23966

One More Thing

回頭來(lái)看，美團(tuán)大模型站到臺(tái)前時(shí)間并不算長(zhǎng)但節(jié)奏清晰，首次亮相在 2025 年 9 月，此后保持了每月一更的開(kāi)源節(jié)奏，不斷擴(kuò)容自己的能力庫(kù)：從強(qiáng)調(diào)響應(yīng)速度的 LongCat-Flash-Chat 到專注邏輯的 Thinking 版本，再到圖像和視頻模型以及覆蓋多模態(tài)的 Omni 版本，每一步迭代都在讓這只龍貓能夠更好地理解這個(gè)世界，并讓復(fù)雜的現(xiàn)實(shí)生活變得更加可計(jì)算。

美團(tuán)在 Hugging Face 上的論文頁(yè)面

這一次，龍貓聚焦 Agent 與 Thinking 能力進(jìn)行全面提升，也是實(shí)現(xiàn)了一次從理解到融入真實(shí)世界的躍遷。

或許，美團(tuán)現(xiàn)在追求的，就是一種確定性：能夠用技術(shù)在真實(shí)世界中又好又快地解決問(wèn)題，終有一天讓「模型即服務(wù)」。

文中視頻鏈接：https://mp.weixin.qq.com/s/4CWGglF95Knyrc-ERzgI2w