美团开源首个“重思考”模型，可体验的工具调用能力登顶SOTA
1月16日，美团LongCat官微消息，作为LongCat-Flash-Thinking模型的升级版，LongCat-Flash-Thinking-2601现已开源。新模型在Agentic Search（智能体搜索）、Agentic Tool Use（智能体工具调用）、TIR（工具交互推理）等核心评测基准上，均达到开源模型SOTA水平。
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 👈
值得一提的是，该模型在工具调用的泛化能力上优势尤其明显，在依赖工具调用的随机复杂任务中，性能表现超越了Claude-Opus-4.5-Thinking，可大幅度降低真实场景下新工具的适配训练成本；同时，新模型支持“重思考”模式，可同时启动8个“大脑”执行任务，确保思考周全、决策可靠。
目前，该功能可在 https://longcat.ai 免费体验。
“重思考”功能全新上线 智能体工具调用能力登顶开源 SOTA
据介绍，全新推出的“重思考”模式，已让“龙猫”学会了“深思熟虑”再行动。
具体来看，当遇到高难度问题时，新模型会把思考过程拆分成“并行思考”和“总结归纳”两步进行：
并行思考阶段，与人类面对难题会同时尝试多种解法相似，“重思考”模式下的模型，会在保证思路多样性的同时，独立梳理出多条推理路径寻找最优解；总结归纳阶段，则会对多条路径进行梳理、优化与合成，并将优化结果重新输入，形成闭环迭代推理，推动思考持续深化。
除此之外，LongCat团队在新模型中加入了额外的强化学习环节，针对性打磨模型的总结归纳能力，从而让LongCat-Flash-Thinking-2601实现了“想清楚再行动”的结果。
经过全面严谨的评估，LongCat-Flash-Thinking-2601模型在编程、数学推理、智能体工具调用、智能体搜索等维度表现优异：
LongCat-Flash-Thinking-2601的平均性能比较（资料图）
·编程能力：LongCat-Flash-Thinking-2601在LCB评测中取得82.8分，OIBench EN 评测获47.7分，成绩处于同类模型第一梯队，代码基础能力扎实。
·数学推理能力：在开启“重思考”模式后表现突出，LongCat-Flash-Thinking-2601在 AIME-25 评测中获100.0分（满分），IMO-AnswerBench中以86.8分达到当前SOTA。
·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SOTA水平，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（全模型最优），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。
为了更好测试智能体模型的泛化能力，团队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，并为每个生成的任务配备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，该方法可通过评估模型在该类环境中的性能表现，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优秀的泛化能力。
技术解密：从“靶场”到“实战”的训练哲学
对于新模型的技术思路，LongCat团队解释称，传统智能体往往仅在数个简单模拟环境里训练，这带来的问题就像只在靶场训练的士兵，到了真实“战场”可能会掉链子。而基于“环境扩展+多环境强化学习”核心技术，团队为模型打造了多样化的“高强度练兵场”，构建了多套高质量训练环境，并在每套环境中集成60余种工具形成密集依赖关系图谱与复杂联动，支撑起高度复杂的任务场景。实验也证明，训练环境越丰富，模型在未知场景中的泛化能力越强。
得益于这套方案，LongCat-Flash-Thinking-2601在智能体搜索、智能体工具调用等核心基准测试中稳居前列。尤其在复杂随机的分布外任务中，性能优于 Claude-Opus-4.5-Thinking。
此外，LongCat团队针对性扩展自研强化学习基础设施，在保留原有高效异步训练特性的基础上，实现大规模多环境智能体的稳定并行训练，通过均衡搭配多环境任务、按难度与训练进度智能分配算力，最大化提升训练效率与资源利用率；该团队还从复杂度、多样性双维度严控训练任务，配套专属数据库及优化方案，杜绝模型“偏科”与训练漏洞，让这套全流程方案持续赋能模型，使其稳居智能体能力第一梯队。
该团队还表示，现实世界的智能体环境充满不确定性，API调用失败、返回异常信息、观测数据不完整等“噪声”问题，极易导致模型决策失误。为此，团队在训练数据的过程中主动注入多类噪声，模拟API的调用失败、返回错误信息、数据缺失等场景，并用课程学习的方式循序渐进地进行模型训练，在训练过程中逐步增加噪声的类型与强度——类比教新手骑车，首先会让其在平坦路面做练习，等技能成熟后再逐步增加路面的复杂度。
带噪声/无噪声评测集下的模型表现对比（资料图）
经过系统化的抗干扰训练，LongCat-Flash-Thinking-2601（Training w/Noise组）拥有了极强的环境适应能力，在复杂场景中，也能稳定发挥、高效完成任务。
相关攻略
对于在美团开店、需要管理海量商品的商家而言，手动逐一上架商品不仅效率低下、耗时费力，还极易出现信息错漏。那么，是否存在一种更高效、更精准的解决方案呢？答案是肯定的。借助RPA（机器人流程自动化）技术实现商品批量导入，能够将运营人员从重复性劳动中彻底解放，实现运营效率的指数级提升。本文将为您详细拆解美
近日，一张在社交网络广泛传播的照片，将共享单车行业再次推上舆论的风口浪尖。画面显示，多名人员聚集，身旁停放着哈啰共享单车，而更引发争议的是，有人用脚踩踏倒在地上的青桔单车和美团单车，一行人还集体比出“点赞”手势。这一系列不当行为迅速引发了广大网友的热议与批评。 事件发酵后，哈啰出行官方迅速作出回应。
在闲鱼主打“社区感”、爱回收押注“标准化”的夹击下，转转如何找到自己的生存空间？这不仅是一场平台间的流量争夺，更是一次关于用户认知、交易信任与服务效率的系统博弈。本文将拆解转转的突围路径，探讨其如何在“非标”与“标准”之间走出第三条路。 上月底，转转以一纸公告，为自己长达九年的C2C探索画上了句号。
近日，一张据称为哈啰员工聚会现场的照片在社交平台引发热议。照片显示，多名人员骑行哈啰共享单车，其中有人用脚踩踏倒在地上的青桔与美团单车，随后众人集体竖起大拇指。该行为经网络传播后，迅速引发公众讨论与批评。 随着事件发酵，哈啰官方迅速作出回应。公司声明指出，网传照片中的行为严重违背哈啰一贯倡导的价值观
近日，企查查平台更新的一则企业注册信息引发了行业关注。一家名为青海三快科技有限公司的新公司在青海正式成立。根据公开的工商资料，该公司的经营范围广泛，主要包括信息系统集成服务、各类软件开发与销售，以及技术开发、技术咨询、技术转让等综合性技术服务。 更值得关注的是其背后的资本关系。通过企查查的股权穿透图
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭