IT之家 1 月 16 日消息，美團 LongCat 團隊今日正式發(fā)布并開源 LongCat-Flash-Thinking-2601。
據美團介紹，作為 LongCat-Flash-Thinking 模型的升級版，LongCat-Flash-Thinking-2601 在智能體搜索、工具調用、工具交互推理等核心評測基準上均達到開源模型 SOTA 水平。
美團表示，該模型尤其在工具調用上表現(xiàn)出卓越的泛化能力，在依賴工具調用的隨機復雜任務中性能超越了 Claude，可大幅度降低真實場景下新工具的適配訓練成本；同時它是首個完整開源并支持在線免費體驗「重思考模式」的模型，同時啟動 8 個大腦飛速運轉，確保思考周全、決策可靠。
得益于全新升級的「重思考」模式，遇到高難度問題時，模型會把思考過程拆成并行思考和總結歸納兩步來做：
并行思考階段，模型會同時獨立梳理出好幾條推理路徑，就跟人面對難題時會琢磨不同解法一個道理，還會特意保證思路的多樣性，生怕漏掉最優(yōu)解；
總結歸納階段，對多條路徑進行梳理、優(yōu)化與合成，并將優(yōu)化結果重新輸入，形成閉環(huán)迭代推理，推動思考持續(xù)深化。
除此之外，美團還專門設計了額外的強化學習環(huán)節(jié)，針對性打磨模型的總結歸納能力，讓 LongCat-Flash-Thinking-2601 真正實現(xiàn)“想清楚再行動”。
美團表示，經過全面嚴謹的評估顯示，LongCat-Flash-Thinking-2601 模型在編程、數學推理、智能體工具調用、智能體搜索維度表現(xiàn)全面領先：
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，展現(xiàn)出扎實的代碼基礎能力。
數學推理能力：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 分達到當前 SOTA。
智能體工具調用能力：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，在多領域工具調用場景下表現(xiàn)優(yōu)異，適配實際應用需求。
智能體搜索能力：在 BrowseComp 任務中取得 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，達到開源領先水平。
同時，為了更好的測試智能體模型的泛化能力，美團還提出了一種全新的評測方法 —— 通過構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。每個生成的任務都配備了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，美團通過評估模型在該類環(huán)境中的性能表現(xiàn)，來衡量其泛化能力。實驗結果表明，LongCat-Flash-Thinking-2601 在絕大多數任務中保持領先性能，印證了其在智能體場景下強大的泛化能力。
IT之家附官方開源地址：
GitHub：https://github.com/meituan-longcat/LongCat-Flash-Thinking-2601
Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Flash-Thinking-2601
ModelScope：https://www.modelscope.cn/models/meituan-longcat/LongCat-Flash-Thinking-2601
API 開放平臺：https://longcat.chat/platform/usage
官網：https://longcat.ai
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。