圖1：LongCat-Flash-Thinking 的訓(xùn)練流程

異步彈性共卡系統(tǒng)（Dynamic ORchestration for Asynchronous rollout — DORA）

我們的異步彈性共卡系統(tǒng)（DORA）是整個訓(xùn)練的基石。該系統(tǒng)通過彈性共卡調(diào)度（Elastic Colocation）與多版本異步流水線（Multi-Version Asynchronous Pipeline）設(shè)計，在實現(xiàn)相較于同步RL訓(xùn)練框架三倍提速的同時，確保了每條樣本的策略一致性。同時，系統(tǒng)進(jìn)一步實現(xiàn)了高效的 KV 緩存復(fù)用，能夠支撐萬卡規(guī)模集群的穩(wěn)定運行。

智能體推理框架（Agentic Reasoning Framework）

為進(jìn)一步提升模型的智能體推理能力，我們提出了創(chuàng)新性的“雙路徑推理框架”。該框架能夠自主篩選最優(yōu)查詢樣本，并通過自動化流程將智能體推理與工具使用相結(jié)合，使模型能夠智能識別并調(diào)用外部工具（如代碼執(zhí)行器、API等），從而高效解決復(fù)雜任務(wù)?；贏IME25實測數(shù)據(jù)，LongCat-Flash-Thinking在該框架下展現(xiàn)出更高效的智能體工具調(diào)用（Agentic Tool Use）能力，在確保90%準(zhǔn)確率的前提下，相較于不使用工具調(diào)用節(jié)省了64.5%的Tokens（從19653到6965），顯著優(yōu)化了推理過程的資源利用率。，時長00:08

形式化推理框架（Formal Reasoning Framework）

為了克服當(dāng)前開源通用大型語言模型在形式化證明任務(wù)中的不足，我們針對形式化推理設(shè)計了一套全新的基于專家迭代框架的數(shù)據(jù)合成方法，該流程利用集成了 Lean4 服務(wù)器的專家迭代框架，生成經(jīng)過嚴(yán)格驗證的證明過程，從而系統(tǒng)性提升模型的形式化推理能力。這一創(chuàng)新方法系統(tǒng)性地增強了模型的形式化推理能力，提高了其在學(xué)術(shù)和工程應(yīng)用中的可靠性。

LongCat-Flash-Thinking在多項權(quán)威評測中刷新紀(jì)錄，在各類推理任務(wù)中均展現(xiàn)出持續(xù)領(lǐng)先的性能：

• 通用推理能力：LongCat-Flash-Thinking 具備卓越的通用推理能力，尤其在需要結(jié)構(gòu)化邏輯的任務(wù)中表現(xiàn)突出。其在 ARC-AGI 基準(zhǔn)測試中以 50.3 分超越 OpenAI o3、Gemini2.5 Pro 等頂尖閉源模型。

• 數(shù)學(xué)能力：LongCat-Flash-Thinking 在數(shù)學(xué)推理方面展現(xiàn)出強大實力，躋身當(dāng)前頂尖模型行列。在更具挑戰(zhàn)性的基準(zhǔn)測試中優(yōu)勢更加明顯——在 HMMT 和 AIME 相關(guān)基準(zhǔn)上取得突破性成績，超越 OpenAI o3，和 Qwen3-235B-A22B-Thinking 等領(lǐng)先模型水平相當(dāng)。這些結(jié)果印證了其解決復(fù)雜、多步驟問題的領(lǐng)先能力。

• 代碼能力：在編程領(lǐng)域，LongCat-Flash-Thinking 展現(xiàn)出開源模型最先進(jìn)的性能（SOTA）與綜合實力。在 LiveCodeBench 上以 79.4 分顯著超越參與評估的開源模型，并與頂級閉源模型 GPT-5 表現(xiàn)相當(dāng)，證明其解決高難度編程競賽問題的卓越能力。在 OJBench 基準(zhǔn)測試中也以 40.7 的得分保持極強競爭力，并接近領(lǐng)先模型Gemini2.5-Pro的水平。

• 智能體能力：LongCat-Flash-Thinking 在復(fù)雜的、工具增強型推理（Tool-augmented Reasoning）方面表現(xiàn)突出，在智能體工具調(diào)用（Agentic Tool Use）上展現(xiàn)出強勁能力。其在 τ2-Bench 上以 74.0分 刷新開源SOTA成績，并在包括 SWE-Bench、BFCL V3 和 VitaBench 等基準(zhǔn)測試中展現(xiàn)出超強競爭力。

• ATP 形式推理能力：LongCat-Flash-Thinking 在 MiniF2F-test 基準(zhǔn)中的 pass@1 獲得67.6的分?jǐn)?shù)，大幅領(lǐng)先所有其他參與評估的模型，在 pass@8 和 pass@32 中同樣保持了領(lǐng)先優(yōu)勢，凸顯其在生成結(jié)構(gòu)化證明和形式化數(shù)學(xué)推理方面的絕對優(yōu)勢。

崔歡歡