美團 LongCat 團隊對外發布並開源 LongCat-Flash-Thinking-2601，同步開放模型權重、推理代碼與在線體驗能力。

根據介紹，作為已發佈的 LongCat-Flash-Thinking 模型的升級版，LongCat-Flash-Thinking-2601在Agentic Search（智能體搜索）、Agentic Tool Use（智能體工具調用）、TIR（工具交互推理）等核心評測基準上，均達到開源模型 SOTA 水平。

該模型尤其在工具調用上表現出卓越的泛化能力，在依賴工具調用的隨機複雜任務中性能超越了 Claude，可大幅度降低真實場景下新工具的適配訓練成本；同時它是首個完整開源並支持在線免費體驗「重思考模式」的模型，同時啓動 8 個大腦飛速運轉，確保思考周全、決策可靠。

模型會把思考過程拆成並行思考和總結歸納兩步來做：

• 並行思考階段，模型會同時獨立梳理出好幾條推理路徑，就跟人面對難題時會琢磨不同解法一個道理，還會特意保證思路的多樣性，生怕漏掉最優解；
• 總結歸納階段，對多條路徑進行梳理、優化與合成，並將優化結果重新輸入，形成閉環迭代推理，推動思考持續深化。

除此之外，項目團隊還專門設計了額外的強化學習環節，針對性打磨模型的總結歸納能力，讓 LongCat-Flash-Thinking-2601 真正實現“想清楚再行動”。

評測結果顯示，LongCat-Flash-Thinking-2601 模型在編程、數學推理、智能體工具調用、智能體搜索維度表現全面領先：

• 編程能力：LongCat-Flash-Thinking-2601 在 LCB 評測中取得 82.8 分，OIBench EN 評測獲 47.7 分，成績處於同類模型第一梯隊，展現出紮實的代碼基礎能力。
• 數學推理能力：在開啓重思考模式後表現突出，LongCat-Flash-Thinking-2601 在 AIME-25 評測中獲 100.0 分（滿分），IMO-AnswerBench 中以 86.8 分達到當前 SOTA。
• 智能體工具調用能力：在 τ²-Bench 評測中拿到 88.2 分，VitaBench 評測中獲得 29.3 分，均獲得開源 SOTA 水平，在多領域工具調用場景下表現優異，適配實際應用需求。

• 智能體搜索能力：在 BrowseComp 任務中取得 73.1 分（全模型最優），RW Search 評測獲 79.5 分，LongCat-Flash-Thinking-2601 具備強勁的信息檢索與場景適配能力，達到開源領先水平。