首页 游戏 软件 资讯 排行榜 专题
首页
科技数码
美团推出LongCat-Flash-Thinking推理模型,多项指标媲美GPT-5

美团推出LongCat-Flash-Thinking推理模型,多项指标媲美GPT-5

热心网友
14
转载
2025-09-23

9月23日科技快讯,美团LongCat团队正式推出全新升级的推理引擎LongCat-Flash-Thinking。这款新品不仅继承了前代LongCat-Flash-Chat的极速响应特性,更在专业性方面实现显著突破。

美团发布高效推理模型LongCat-Flash-Thinking:部分性能接近GPT5

评测数据显示,LongCat-Flash-Thining在逻辑推理、数学运算、编程开发和智能体应用等多个专业领域均达到国际开源模型前沿水平,部分指标甚至媲美GPT5-Thinking类闭源产品。

值得注意的是,新模型不仅强化了智能体工具调用功能,更创新性地整合了形式化定理证明能力,成为国内首个兼具"深度认知+工具交互"与"非形式化+形式化"双重推理能力的大模型。

美团发布高效推理模型LongCat-Flash-Thinking:部分性能接近GPT5

研发团队特别强调,在处理高复杂度任务(如数学证明、代码编写、智能体协作)时,新模型展现出明显竞争优势。

核心能力亮点:

美团发布高效推理模型LongCat-Flash-Thinking:部分性能接近GPT5

通用推理能力:在结构化逻辑任务中表现优异,ARC-AGI测试中以50.3分超越OpenAI等主流闭源模型。

数学能力:在HMMT和AIME等高难度数学测评中超越OpenAI o3,与Qwen3-235B等顶尖模型齐平。

编程能力:LiveCodeBench测试79.4分创开源模型新高,接近GPT-5水平;OJBench测试40.7分媲美Gemini2.5-Pro。

智能体能力:τ2-Bench测试74分刷新开源记录,SWE-Bench等专业测评中展现超强竞争力。

形式推理能力:MiniF2F-test基准中pass@1得分67.6,pass@8/32同样保持领先,在形式化证明领域独具优势。

目前该模型已在HuggingFace、GitHub等平台开源,用户可立即下载体验。

来源:https://m.mydrivers.com/newsview/1076235.html
免责声明: 游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。

相关攻略

美团发布第四代无人机M-Drone 4L Winch实现空中悬停与远程索降
业界动态
美团发布第四代无人机M-Drone 4L Winch实现空中悬停与远程索降

美团无人机低空航网转入常态化运营并开放合作,标志其配送进入规模化商用新阶段。同步发布第四代无人机M-Drone4LWinch,可空中悬停并通过绳索精准投递,适应多种极端天气。配套的M-Port3智能接驳机场部署灵活,支持自动装载。调度与安全系统保障高效运行,合作已拓展至零售、医疗等多领域。

热心网友
05.21
杨浦区社区卫生服务中心上线美团平台 提供专业上门护理服务
科技数码
杨浦区社区卫生服务中心上线美团平台 提供专业上门护理服务

杨浦区10家社区卫生服务中心集体入驻美团平台,推出“互联网+社区护理”上门服务,为出行不便人群提供专业护理。该模式基于前期试点成功,实现了线上访问量和订单量的显著增长,形成了区卫健委、社区中心与平台协同的数字化模式,为基层医疗转型提供了参考样本。

热心网友
05.21
美团Tabbit浏览器被指抄袭代码官方回应尊重原创并下架项目
AI资讯
美团Tabbit浏览器被指抄袭代码官方回应尊重原创并下架项目

3月3日,美团旗下光年之外团队研发的AI浏览器——Tabbit浏览器,针对其翻译功能被指涉嫌抄袭开源代码一事,发布了正式的《关于翻译插件项目代码的说明》,回应了近期开源社区的广泛关注与讨论。 2026年3月3日,我们注意到开源社区关于Tabbit浏览器翻译功能使用“陪读蛙”(read-frog)项目

热心网友
05.20
宜宾携手美团打造放心外卖平台 四川首例政企合作案例
业界动态
宜宾携手美团打造放心外卖平台 四川首例政企合作案例

外卖食品安全的监管,一直是消费者关心的核心议题。传统监管方式常常面临线索发现滞后、处理流程繁琐等实际困难。近期,四川宜宾市市场监督管理局与美团外卖平台达成的战略合作,为解决这一行业痛点提供了创新思路,有望建立一套高效的数字化共治体系。 5月18日,双方正式签署“放心外卖”食品安全政企共治平台合作框架

热心网友
05.20
美团外卖市场份额下滑原因分析与应对策略探讨
业界动态
美团外卖市场份额下滑原因分析与应对策略探讨

QuestMobile报告将美团定位为本地生活“防守方”。阿里、京东以资本和效率投入,字节借内容重塑消费决策,高德以场景侵蚀边缘市场,竞争焦点正从履约转向决策前环节。美团用户与商家增速放缓,骑手多平台化,核心“飞轮效应”面临松动。其虽具备深厚线下运营能力,但需在多线应战,防守成本不断升高。

热心网友
05.20

最新APP

宝宝过生日
宝宝过生日
应用辅助 04-07
台球世界
台球世界
体育竞技 04-07
解绳子
解绳子
休闲益智 04-07
骑兵冲突
骑兵冲突
棋牌策略 04-07
三国真龙传
三国真龙传
角色扮演 04-07

热门推荐

菩提苦海万事知任务全流程攻略
游戏攻略
菩提苦海万事知任务全流程攻略

在《燕云十六声》中领悟“菩提苦海”,需沉浸探索游戏世界。主线剧情构建认知框架,战斗观察、场景细节与NPC对话皆暗藏线索。通过多元视角拼凑因果,方能深入理解游戏蕴含的宏大叙事与深邃魅力。

热心网友
05.23
海信618电视销量夺冠 Mini LED技术加速普及
业界动态
海信618电视销量夺冠 Mini LED技术加速普及

2026年618大促的序幕刚刚拉开,初期战报已经透露出一些耐人寻味的信号。截至5月21日,海信电视在京东平板电视累计销售竞速榜上拔得头筹,其RGB-Mini LED爆款王——海信小墨E5S Pro,更是同时拿下了天猫平板电视和抖音大家电的5 20单品销冠。 这并非偶然。奥维云网的全渠道监测数据给出了

热心网友
05.23
极氪800kW液冷超充桩上线 峰值电流800A充电更快
业界动态
极氪800kW液冷超充桩上线 峰值电流800A充电更快

充电桩领域的“军备竞赛”再次迎来重磅升级。5月22日,极氪汽车正式发布了其全新一代液冷超级充电桩,将单枪峰值功率一举提升至行业领先的800kW,标志着超充技术迈入新阶段。 根据官方披露的核心信息,这款超充桩主要具备四大优势:极速补能、高效节能、广泛适配与多重安全。具体而言,其单枪峰值电流高达800A

热心网友
05.23
红色沙漠电弧机剑获取攻略与详细步骤解析
游戏攻略
红色沙漠电弧机剑获取攻略与详细步骤解析

获取电弧机剑主要有五种途径:推进主线任务以解锁线索;探索遗迹、工厂等特定区域;挑战特定副本与Boss;完成提及传说武器或遗物的支线任务;参与限时活动并达成要求。玩家可根据偏好选择或组合多种方式获取该武器。

热心网友
05.23
小米汽车试驾活动重启 预约即送1比64合金车模
业界动态
小米汽车试驾活动重启 预约即送1比64合金车模

小米汽车再次为潜在车主带来惊喜福利!即日起至5月31日,用户只需提前完成预约,并到店参与任意车型的试驾体验,即可免费获赠一款1:64精致合金车模。车模款式与颜色随机发放,为试驾过程增添一份专属的收藏乐趣,诚意十足。 参与本次活动需注意以下细则:试驾必须通过官方渠道提前预约;各授权门店的车模备货数量不

热心网友
05.23