9月22日，美团LongCat团队正式发布全新高效推理模型LongCat-Flash-Thinking，在逻辑、数学、代码、智能体等多领域推理任务中达到全球开源模型最先进水平（SOTA），成为国内首个兼具“深度思考 + 工具调用”与“非形式化 + 形式化”推理能力的大语言模型，目前该模型已在Hugging Face和Github开源，官网也可体验。
模型性能卓越，能力全面提升
官方介绍，LongCat-Flash-Thinking在保持LongCat-Flash-Chat极致速度的同时，变得更强大、更专业。综合评估显示，它在逻辑、数学、代码、智能体等多个领域的推理任务中达到SOTA水平。不仅增强了智能体自主调用工具的能力，还扩展了形式化定理证明能力，成为国内首个同时具备“深度思考 + 工具调用”与“非形式化 + 形式化”推理能力相结合的大语言模型。尤其在超高复杂度的任务，如数学、代码、智能体任务处理上，具备更显著优势。
创新架构助力，实现高效推理与训练
为实现高效推理与稳定训练，团队采用了多种创新架构。在领域并行强化学习训练方法上，设计领域并行方案，将STEM、代码和智能体任务的优化过程解耦，采用多领域并行训练再融合策略，实现模型能力均衡提升，综合性能达到帕累托最优。异步弹性共卡系统（DORA）作为训练基石，通过弹性共卡调度与多版本异步流水线设计，相较于同步RL训练框架实现三倍提速，确保每条样本策略一致性，还实现高效的KV缓存复用，能支撑万卡规模集群稳定运行。在大规模异步强化学习训练阶段，FLOPs投入约为预训练阶段的20%，为模型性能提升提供算力保障。此外，创新性的“双路径推理框架”提升了模型的智能体推理能力，能自主筛选最优查询样本，将智能体推理与工具使用结合，基于AIME25实测数据，在确保90%准确率的前提下，相较于不使用工具调用节省了64.5%的Tokens，显著优化推理过程资源利用率。同时，针对形式化推理设计的基于专家迭代框架的数据合成方法，利用集成了Lean4服务器的专家迭代框架，生成严格验证的证明过程，系统性提升模型的形式化推理能力。
多项评测领先，开源助力发展
LongCat-Flash-Thinking在多项权威评测中表现出色，刷新纪录。在通用推理能力上，其在ARC-AGI基准测试中以50.3分超越OpenAI o3、Gemini2.5 Pro等顶尖闭源模型；数学能力方面，在HMMT和AIME相关基准上取得突破性成绩，超越OpenAI o3，与Qwen3-235B-A22B-Thinking等领先模型水平相当；代码能力上，在LiveCodeBench上以79.4分显著超越参与评估的开源模型，与顶级闭源模型GPT-5表现相当，在OJBench基准测试中也以40.7的得分保持极强竞争力；智能体能力上，在τ2 - Bench - Airline上以67.5分刷新开源SOTA成绩，在SWE - Bench、BFCL V3和VitaBench等基准测试中也展现出超强竞争力；ATP形式推理能力上，在MiniF2F - test基准中的pass@1获得67.6的超高分数，大幅领先其他参与评估模型，在pass@8和pass@32中同样保持领先优势。目前，该模型已在Hugging Face（https：//huggingface.co/meituan-longcat/LongCat-Flash-Thinking ）、Github（https：//github.com/meituan-longcat/LongCat-Flash-Thinking）全面开源，用户还可在官网体验。
以上文章由 AI 总结生成
