💡
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？
LongCat-Flash-Thinking-2601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。
重思考模式是如何提升模型决策质量的？
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，推动思考持续深化。
LongCat-Flash-Thinking-2601在编程和数学推理方面的表现如何？
该模型在编程能力评测中取得82.8分，在数学推理中获得满分100.0分，表现优异。
如何在线体验LongCat-Flash-Thinking-2601模型？
用户可以在https://longcat.ai网站免费体验LongCat-Flash-Thinking-2601模型的深度思考功能。
LongCat-Flash-Thinking-2601的开源情况如何？
美团LongCat团队已开放模型权重、推理代码，支持开发者进行快速试用和深度开发。
LongCat-Flash-Thinking-2601如何提高环境适应能力？
模型通过在噪声环境下进行稳健训练，主动注入多类噪声，提升其在复杂场景中的表现。
➡️
