美团重磅发布LongCat-Flash-Thinking大模型：重塑AI推理能力边界，多领域性能超越国际巨头

在人工智能技术迅猛发展的今天，大语言模型的推理能力已成为衡量其智能化水平的核心指标。今日，美团正式对外公布了旗下最新一代推理模型——LongCat-Flash-Thinking，这一突破性成果标志着国内大语言模型在复杂推理领域实现了质的飞跃。该模型不仅是国内首个成功融合「深度思考与工具调用」双重特性的AI系统，更开创性地将「非形式化推理」与「形式化推理」能力集于一身，为解决数学证明、逻辑推演、代码开发等高端复杂任务提供了全新的技术范式。

【免费下载链接】LongCat-Flash-Thinking项目地址: https://ai.gitcode.com/hf_mirrors/meituan-longcat/LongCat-Flash-Thinking

LongCat-Flash-Thinking模型在参数规模与架构设计上展现了显著的技术突破。模型总参数达到5600亿个，采用创新性的混合专家（MoE）架构，能够根据输入上下文的具体需求动态激活18.6B至31.3B个参数（平均激活约27B参数），这一设计在保证模型性能的同时，极大优化了计算效率。美团官方表示，该模型在继承LongCat-Flash-Chat高速响应特性的基础上，通过集成形式推理与代理推理两大核心技术，显著提升了在数学运算、逻辑分析、程序编写、自动定理证明及工具调用等复杂任务场景下的推理能力。

LongCat-Flash-Thinking的研发历程构建了一套科学严谨的双阶段训练体系，为模型的高性能表现奠定了坚实基础。在第一阶段——长期CoT冷启动训练阶段，研发团队聚焦于模型基础推理能力的培养。训练过程创新性地引入课程学习策略，在训练中期通过循序渐进的难度提升机制强化模型的内在推理素养，随后针对推理密集型数据与代理任务数据开展有监督微调（SFT）。第二阶段——大规模强化学习阶段，则依托基于DORA系统构建的高效强化学习框架进一步挖掘模型潜力。为应对异步强化学习训练中的稳定性挑战，团队对GRPO算法进行了针对性调整与扩展。特别值得注意的是，为解决传统混合领域强化学习训练中常见的不稳定性问题，该模型采用领域并行训练方案，将STEM领域任务、编码任务与代理任务的优化过程进行解耦处理。这一创新不仅有效保障了训练过程的稳定性，更成功将各领域独立训练的专家模型融合为接近帕累托最优的综合模型，使其在所有专业领域均能展现卓越性能。

LongCat-Flash-Thinking的模型架构深度优化了DORA系统的核心设计理念，旨在实现高效的分布式训练与部署。该架构的主要目标是通过流式部署机制充分利用多个旧版本的Actor模型，同时保持采样过程的一致性以优化长尾任务的生成质量。DORA系统由弹性托管与多版本异步流水线两大核心组件构成，其设计初衷在于显著提升训练效率，确保每个训练样本的策略一致性，并进一步实现高效的键值缓存复用，从而支持在数万台计算加速设备组成的大规模计算集群上实现稳定且可扩展的训练过程。

在形式推理与代理推理两大关键能力维度，LongCat-Flash-Thinking展现了独特的技术创新与领先优势。形式推理方面，模型具备解决自动定理证明等复杂形式推理任务的能力。研发团队为此引入全新的专家迭代框架，用于精细化的数据合成工作，该框架包含语句形式化转换、迭代式证明合成以及语法与一致性过滤等关键环节，确保训练数据的高质量与有效性。代理推理方面，模型能够自适应地利用外部工具解决复杂推理问题。团队创新性地提出双路径推理方法，有效识别并保留真正需要工具辅助的高质量查询，为强大代理能力的培养提供了数据基础。在筛选出高价值查询后，系统基于包含MCP服务器及支持单轮与多轮交互的模拟工具的多功能环境，合成相应的高质量解决方案轨迹。

LongCat-Flash-Thinking在多项权威基准测试中展现了令人瞩目的性能表现，全面验证了其强大的综合能力。在综合性知识与推理能力测试MMLU中，该模型以89.3%的得分超越了通义千问Qwen3-235B-A22B；在HMMT和AIME等数学相关基准测试中，取得了突破性成绩，性能超越了OpenAI的o3模型；在代码能力评测基准LiveCodeBench上，模型以79.4分的成绩展现出与GPT-5相当的代码生成与理解能力。这些测试结果充分证明了LongCat-Flash-Thinking在多领域复杂任务处理上的领先地位。

LongCat-Flash-Thinking的发布不仅代表了美团在人工智能基础研究领域的重大突破，更为国内大语言模型的技术发展指明了新方向。该模型通过创新的架构设计、科学的训练方法与强大的推理能力，在多个关键技术指标上实现了对国际顶尖模型的超越，展现了中国AI企业在通用人工智能领域的技术实力。未来，随着该模型在实际业务场景中的应用与迭代，有望为智能客服、自动代码生成、科学研究辅助等领域带来革命性的效率提升，推动人工智能技术更好地服务于产业升级与社会发展。

如需进一步探索或应用该模型，可通过访问仓库地址 https://gitcode.com/hf_mirrors/meituan-longcat/LongCat-Flash-Thinking 获取相关资源。

【免费下载链接】LongCat-Flash-Thinking项目地址: https://ai.gitcode.com/hf_mirrors/meituan-longcat/LongCat-Flash-Thinking