LongCat-Flash-Thinking：美团 LongCat 团队开源的推理AI模型

LongCat-Flash-Thinking 是什么

LongCat-Flash-Thinking 是美团 LongCat 团队开源的 5600 亿参数大推理模型，采用 Mixture-of-Experts 架构与动态激活机制，实际推理仅需约 270 亿参数。模型在数学、逻辑、编程、自动定理证明等任务中表现突出，并通过课程学习、强化学习和域并行训练显著提升推理能力。支持工具调用，已在 MMLU-Pro、AIME25 等基准测试中取得优异成绩，可在 longcat.ai 及多框架中部署。

LongCat-Flash-Thinking 的主要特性

超大规模参数：总参数量 5600 亿，采用 Mixture-of-Experts 架构，实际激活参数约 270 亿，兼顾性能与效率。
高效推理能力：专注数学、逻辑、编程、自动定理证明等复杂推理任务，长链推理表现优异。
动态激活机制：根据输入上下文智能选择专家子网络，减少计算成本并提升推理效果。
两阶段训练：先通过课程学习 + SFT 冷启动推理能力，再用大规模 RL 强化学习提升表现。
域并行训练：在 STEM、编码、Agent 推理等不同领域分别训练专家模型，最后融合提升泛化能力。
工具调用支持：具备 agentic reasoning 能力，可调用外部工具解决复杂组合任务。
开源友好：MIT 许可，提供模型部署与推理指南，兼容 SGLang、vLLM 等框架。

LongCat-Flash-Thinking 的性能评测

LongCat-Flash-Thinking在多项权威评测中刷新纪录，在各类推理任务中均展现出持续领先的性能：

通用推理能力：LongCat-Flash-Thinking 具备卓越的通用推理能力，尤其在需要结构化逻辑的任务中表现突出。其在 ARC-AGI 基准测试中以 50.3 分超越 OpenAI o3、Gemini2.5 Pro 等顶尖闭源模型。
数学能力：LongCat-Flash-Thinking 在数学推理方面展现出强大实力，跻身当前顶尖模型行列。在更具挑战性的基准测试中优势更加明显——在 HMMT 和 AIME 相关基准上取得突破性成绩，超越 OpenAI o3，和 Qwen3-235B-A22B-Thinking 等领先模型水平相当。这些结果印证了其解决复杂、多步骤问题的领先能力。
代码能力：在编程领域，LongCat-Flash-Thinking 展现出开源模型最先进的性能（SOTA）与综合实力。在 LiveCodeBench 上以 79.4 分显著超越参与评估的开源模型，并与顶级闭源模型 GPT-5 表现相当，证明其解决高难度编程竞赛问题的卓越能力。在 OJBench 基准测试中也以 40.7 的得分保持极强竞争力，并接近领先模型Gemini2.5-Pro的水平。
智能体能力：LongCat-Flash-Thinking 在复杂的、工具增强型推理（Tool-augmented Reasoning）方面表现突出，在智能体工具调用（Agentic Tool Use）上展现出强劲能力。其在 τ2-Bench 上以 74.0 分刷新开源SOTA成绩，并在包括 SWE-Bench、BFCL V3 和 VitaBench 等基准测试中展现出超强竞争力。
ATP 形式推理能力：LongCat-Flash-Thinking 在 MiniF2F-test 基准中的 pass@1 获得67.6的分数，大幅领先所有其他参与评估的模型，在 pass@8 和 pass@32 中同样保持了领先优势，凸显其在生成结构化证明和形式化数学推理方面的绝对优势。