美团首个开源“重思考”模型：工具调用能力登顶开源SOTA
1月16日消息，美团旗下的LongCat团队今天正式发布了开源的LongCat-Flash-Thinking-2601模型。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
根据美团团队的介绍，作为LongCat-Flash-Thinking模型的升级版本，LongCat-Flash-Thinking-2601在智能体搜索、工具调用以及工具交互推理等核心评测基准上，均达到了当前开源模型的领先水平。
美团方面表示，该模型尤其在工具调用方面展现出卓越的泛化能力，在依赖于工具调用的随机复杂任务中，其性能超越了Claude，能够显著降低真实场景下适配新工具的专项训练成本。同时，它也是首个完整开源并支持在线免费体验“深度思考模式”的模型，能够启动多个推理线程并行运转，确保思考周全、决策可靠。
得益于全面升级的“深度思考”模式，当遇到高难度问题时，模型会把思考过程拆分为并行思考和总结归纳两步来完成：
在并行思考阶段，模型会同时独立梳理出多条推理路径，就像人面对难题时会琢磨不同解法一样，还会特意保证思路的多样性，以免遗漏最优方案。而在总结归纳阶段，它会对多条路径进行梳理、优化与整合，并将优化结果重新输入，形成闭环迭代推理，持续推动思考深化。
除此之外，美团还专门设计了额外的强化学习环节，有针对性地打磨模型的总结归纳能力，让LongCat-Flash-Thinking-2601真正实现“想清楚再行动”。
美团表示，经过全面严谨的评估显示，LongCat-Flash-Thinking-2601模型在编程、数学推理、智能体工具调用以及智能体搜索等维度的表现全面领先：
编程能力方面：LongCat-Flash-Thinking-2601在LCB评测中取得82.8分，OIBench EN评测获得47.7分，成绩处于同类模型第一梯队，展现出扎实的代码基础能力。数学推理能力：在开启深度思考模式后表现突出，LongCat-Flash-Thinking-2601在AIME-25评测中获得满分，IMO-AnswerBench中则以86.8分达到当前先进水平。智能体工具调用能力：在τ²-Bench评测中拿到88.2分，VitaBench评测中获得29.3分，均获得开源领域的领先水准，在多领域工具调用场景下表现优异，适配实际应用需求。智能体搜索能力：在BrowseComp任务中取得73.1分，RW Search评测获79.5分，LongCat-Flash-Thinking-2601具备强劲的信息检索与场景适配能力，达到开源领先水平。
同时，为了更好地测试智能体模型的泛化能力，美团还提出了一种全新的评测方法——通过构建一套自动化任务合成流程，支持用户基于给定关键词，为任意场景随机生成复杂任务。每个生成的任务都配备了对应的工具集与可执行环境。
由于这类环境中的工具配置具有高度随机性，美团通过评估模型在该类环境中的性能表现，来衡量其泛化能力。实验结果表明，LongCat-Flash-Thinking-2601在绝大多数任务中保持领先性能，印证了其在智能体场景下强大的泛化能力。
最新开源地址为:
GitHub，Hugging Face，ModelScope，API开放平台以及正式站点。
相关攻略
2026年开年，科技圈的情绪有些微妙。AI智能体能自主调用软件完成任务了，AI编程工具能把开发周期压缩到原来的几分之一了，连谷歌搜索的流量都在被AI对话分走。一种声音开始出现：传统软件会被AI替代吗
智东西作者｜江宇编辑｜漠影飞书把整套办公能力，直接开放给AI调用了。智东西4月1日报道，今日，飞书正式开源CLI工具lark-cli，覆盖即时通讯、云文档、多维表格、日历、会议、邮箱、任务、知识库等
克雷西 发自 凹非寺量子位 | 公众号 QbitAIOpenClaw火了之后，一个问题也自然浮现——如果你是一个管理者，想给整个公司人手配一只虾，该怎么办？听上去就是多开几个实例的事，但实际上，想要
“干活的Token，是简单问答的10倍，甚至100倍。”在几天前中关村论坛的一场开源主题圆桌上，当杨植麟把“为什么涨价”的问题直接抛给智谱CEO张鹏时，收到了这样的回答。张鹏选择用模型市场眼下正在发
3月31日，Anthropic因npm包打包失误，导致Claude Code约51 2万行源代码泄露，含4756个源文件、40余个工具模块及多项未发布功能，就此被动向全球开发者“开源”。该代码由研究
热门专题
热门推荐
《全面战争：中世纪3》：经典延续，如何平衡怀旧与创新？ 近期，《全面战争：中世纪3》的项目负责人帕维尔·沃伊斯坦然指出，要打造一款真正优秀的续作，绝不能仅仅依赖对前作模式的简单复刻。这一观点引人深思——尽管《中世纪2：全面战争》至今仍在策略游戏爱好者心中占据着经典地位，但开发团队此次显然决心跳出“照
雷鸟X3 Pro斩获AWE艾普兰创新大奖，开启全民AR生活新篇章 在上海新国际博览中心隆重揭幕的2026年中国家电及消费电子博览会（AWE）上，前沿AI科技与未来生活愿景激情碰撞。全球消费级AR领导品牌雷鸟创新，以其里程碑式的表现，定义了行业发展的新方向。 通过“顶尖硬件科技+顶级文化IP”的双轨战
借力AWE2026“一展双区”，MOVA双区协同、震撼登场 备受瞩目的科技盛会——2026年中国家电及消费电子博览会（AWE），于3月12日至15日在上海盛大举办。本届AWE展会首次创新采用“一展双区”的展览模式，主会场位于上海新国际博览中心，分会场则设于上海东方枢纽国际商务合作区，两大展区高效联动
冰结师技能全解析 踏入2026年，《地下城与勇士》中的冰结师职业，其技能体系已构建得更为成熟与强大。无论是在副本中高效清理海量怪物，还是在决斗场与高手玩家周旋，这个职业都能凭借其独特的冰霜艺术掌控战局。刷图时，酷寒的范围法术可瞬间清屏；而在PVP竞技中，一套将冻结控制与瞬间爆发完美衔接的连招，往往让
iPhone 18 Pro系列模具不变，屏幕形态将与iPhone 17 Pro保持一致 备受期待的屏下Face ID组件小型化设计与灵动岛区域缩窄方案，预计将被推迟至后续迭代机型中正式应用。 近期，关于iPhone 18 Pro系列的技术传闻持续引发行业关注，尤其在显示与解锁设计领域传言甚多。多方消