💡
原文中文，约3400字，阅读约需8分钟。
📝
内容提要
美团LongCat团队发布了LongCat-Flash-Thinking-2601模型，具备卓越的智能体搜索和工具调用能力，支持重思考模式，提升决策质量。该模型在编程和数学推理等评测中表现优异，已开源并可在线体验，旨在降低开发者使用门槛。
🎯
关键要点
- 美团LongCat团队发布LongCat-Flash-Thinking-2601模型，具备智能体搜索和工具调用能力。
- 该模型在编程和数学推理等评测中表现优异，已开源并可在线体验。
- LongCat-Flash-Thinking-2601支持重思考模式，提升决策质量。
- 重思考模式分为并行思考和总结归纳两个阶段，确保思考周全。
- 模型在编程能力、数学推理、智能体工具调用等方面达到开源SOTA水平。
- 通过环境扩展与多环境强化学习，提升模型的泛化能力。
- 在噪声环境下进行稳健训练，提高模型的环境适应能力。
- 美团LongCat团队开放模型权重、推理代码，降低开发者使用门槛。
❓
延伸问答
LongCat-Flash-Thinking-2601模型的主要功能是什么？
该模型具备智能体搜索和工具调用能力，支持重思考模式，提升决策质量。
LongCat-Flash-Thinking-2601在编程和数学推理方面的表现如何？
在编程能力评测中获得82.8分，数学推理在AIME-25评测中满分100分，表现优异。
什么是重思考模式，它是如何工作的？
重思考模式分为并行思考和总结归纳两个阶段，确保思考周全，提升决策质量。
LongCat-Flash-Thinking-2601如何提高模型的泛化能力？
通过环境扩展与多环境强化学习，构建多样化的训练环境，提升模型在未知场景中的表现。
LongCat-Flash-Thinking-2601的开源情况如何？
模型的权重、推理代码已开源，开发者可以在GitHub和Hugging Face等平台上获取。
LongCat-Flash-Thinking-2601在噪声环境下的表现如何？
经过稳健训练后，该模型在复杂、不理想的场景中也能稳定发挥，高效完成任务。
➡️
