Informe Técnico de LongCat-Flash-Thinking-2601

LongCat-Flash-Thinking-2601 Technical Report

January 23, 2026

Autores: Meituan LongCat Team, Anchun Gui, Bei Li, Bingyang Tao, Bole Zhou, Borun Chen, Chao Zhang, Chao Zhang, Chen Gao, Chen Zhang, Chengcheng Han, Chenhui Yang, Chuyu Zhang, Cong Chen, Cunguang Wang, Daoru Pan, Defei Bu, Dengchang Zhao, Di Xiu, Dishan Liu, Dongyu Ru, Dunwei Tu, Fan Wu, Fengcheng Yuan, Fengcun Li, Gang Xu, Guanyu Wu, Guoyuan Lin, Haibin Wang, Hansi Yang, Hao Yang, Haonan Yan, Haoxiang Ma, Haoxing Wen, Hongyan Hao, Hongyin Tang, Hongyu Zang, Hongzhi Ni, Hui Su, Jiacheng Zhang, Jiahong Zhou, Jiahuan Li, Jiaming Wang, Jian Yang, Jianfei Zhang, Jianhao Xu, Jianing Wang, Jiapeng Zhu, Jiaqi Sun, Jiarong Shi, Jiarui Zhao, Jingang Wang, Jinluan Yang, Jinrui Ding, Jinwei Xiao, Jiyuan He, Juncan Xu, Kefeng Zhang, Keheng Wang, Li Wei, Lianhui Ma, Lin Qiu, Lingbing Kong, Lingchuan Liu, Linsen Guo, Mengshen Zhu, Mengxia Shen, Mingyang Zhu, Peiguang Li, Peng Pei, Pengcheng Jia, Pengtao Zhang, Peng Zhao, Qi Gu, Qiong Huang, Qiyuan Duan, Quanchi Weng, Rongxiang Weng, Rongzhi Zhang, Rumei Li, Shanglin Lei, Shengnan An, Shijun Dai, Shuaikang Liu, Shuang Zhou, Shuo Wang, Songyuan Zhao, Tao Liang, Tianhao Hu, Tianze Chen, Wei Liu, Wei Shi, Wei Wang, Weifeng Tang, Wenjie Shi, Wenlong Zhu, Wentao Chen, Wentao Shi, Xi Su, Xiangcheng Liu, Xiandi Ma, Xiangyu Xi, Xiangyuan Liu, Xiangzhou Huang, Xiao Liu, Xiaodong Cai, Xiaolong Chen, Xiaowei Shi, Xiaoyu Li, Xin Chen, Xingchen Liu, Xuan Huang, Xuezhi Cao, Xunliang Cai, Yan Chen, Yang Bai, Yang Liu, Yang Yang, Yang Zheng, Yaoming Wang, Yaoming Zhu, Yaqi Huo, Yanyu Chen, Yaorui Shi, Yerui Sun, Yi Zhang, Yihao Chen, Yi-Kai Zhang, Yifan Lu, Yifan Zhao, Yitao Zhai, Yongjing Yin, Yongwei Zhou, Youshao Xiao, Yuchuan Dai, Yuchen Xie, Yuchen Yu, Yufei Zhang, Yuhuai Wei, Yulei Qian, Yunfan Liang, Yunke Zhao, Yuwei Jiang, Yuxin Bian, Yuxin Chen, Yuxin Liu, Yue Xu, Yueqing Sun, Zeyang Yu, Zhao Yang, Zhengsheng Huang, Zhengyu Chen, Zhijian Liu, Zhikang Xia, Zhimin Lin, Zhiyuan Yao, Zhuofan Chen, Zhuowen Han, Zijian Zhang, Ziran Li, Ziwen Wang, Ziyuan Zhuang

cs.AI

Resumen

Presentamos LongCat-Flash-Thinking-2601, un modelo de razonamiento de código abierto con 560 mil millones de parámetros basado en Mezcla de Expertos (MoE) que posee una capacidad de razonamiento agéntico superior. LongCat-Flash-Thinking-2601 logra un rendimiento de vanguardia entre los modelos de código abierto en una amplia gama de benchmarks agénticos, incluyendo búsqueda agéntica, uso de herramientas agénticas y razonamiento con herramientas integradas. Más allá del rendimiento en benchmarks, el modelo demuestra una fuerte generalización a interacciones complejas con herramientas y un comportamiento robusto en entornos reales ruidosos. Su capacidad avanzada surge de un marco de entrenamiento unificado que combina el entrenamiento de expertos en paralelo por dominio con una fusión posterior, junto con un co-diseño integral de la construcción de datos, entornos, algoritmos e infraestructura que abarca desde el pre-entrenamiento hasta el post-entrenamiento. En particular, la fuerte capacidad de generalización del modelo en el uso complejo de herramientas está impulsada por nuestra exploración en profundidad del escalado de entornos y la construcción de tareas basada en principios. Para optimizar la generación de cola larga y sesgada y las interacciones agénticas multi-turno, y para permitir un entrenamiento estable en más de 10.000 entornos que abarcan más de 20 dominios, extendemos sistemáticamente nuestro marco de aprendizaje por refuerzo asíncrono, DORA, para un entrenamiento a gran escala multi-entorno estable y eficiente. Además, reconociendo que las tareas del mundo real son inherentemente ruidosas, realizamos un análisis sistemático y una descomposición de los patrones de ruido del mundo real, y diseñamos procedimientos de entrenamiento específicos para incorporar explícitamente tales imperfecciones en el proceso de entrenamiento, lo que resulta en una mayor robustez para aplicaciones reales. Para mejorar aún más el rendimiento en tareas de razonamiento complejo, introducimos un modo Pensamiento Pesado (Heavy Thinking) que permite un escalado efectivo en tiempo de prueba mediante la expansión conjunta de la profundidad y amplitud del razonamiento a través de un pensamiento paralelo intensivo.

English

We introduce LongCat-Flash-Thinking-2601, a 560-billion-parameter open-source Mixture-of-Experts (MoE) reasoning model with superior agentic reasoning capability. LongCat-Flash-Thinking-2601 achieves state-of-the-art performance among open-source models on a wide range of agentic benchmarks, including agentic search, agentic tool use, and tool-integrated reasoning. Beyond benchmark performance, the model demonstrates strong generalization to complex tool interactions and robust behavior under noisy real-world environments. Its advanced capability stems from a unified training framework that combines domain-parallel expert training with subsequent fusion, together with an end-to-end co-design of data construction, environments, algorithms, and infrastructure spanning from pre-training to post-training. In particular, the model's strong generalization capability in complex tool-use are driven by our in-depth exploration of environment scaling and principled task construction. To optimize long-tailed, skewed generation and multi-turn agentic interactions, and to enable stable training across over 10,000 environments spanning more than 20 domains, we systematically extend our asynchronous reinforcement learning framework, DORA, for stable and efficient large-scale multi-environment training. Furthermore, recognizing that real-world tasks are inherently noisy, we conduct a systematic analysis and decomposition of real-world noise patterns, and design targeted training procedures to explicitly incorporate such imperfections into the training process, resulting in improved robustness for real-world applications. To further enhance performance on complex reasoning tasks, we introduce a Heavy Thinking mode that enables effective test-time scaling by jointly expanding reasoning depth and width through intensive parallel thinking.