开源模型库Hugging Face上又添新成员，这次来自中国外卖巨头美团，其5600亿参数推理模型在多项测试中逼近全球顶尖水平。
9月22日，美团LongCat团队正式发布全新高效推理模型LongCat-Flash-Thinking。这是在不到一个月前发布的LongCat-Flash-Chat基础之上，专门针对复杂推理任务开发的增强版本。
官方评估数据显示，这一模型在逻辑、数学、代码、智能体等多个领域的推理任务中，达到了全球开源模型的最先进水平（SOTA），部分任务性能接近闭源模型GPT-5-Thinking。
LongCat-Flash-Thinking采用混合专家模型架构，总参数高达5600亿，但通过稀疏激活机制，实际根据任务动态激活186亿至313亿参数，平衡了性能与效率。
在多项权威评测中，这一模型展现出色表现：
通用推理能力：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：在HMMT和AIME相关基准测试中超越OpenAI o3。
代码能力：在LiveCodeBench上以79.4分超越参与评估的开源模型，并与闭源模型GPT-5表现相当。
智能体能力：在τ2-Bench上以74.0分刷新开源SOTA成绩。
尤为引人注目的是，在AIME25等复杂任务上，借助原生工具调用能力，该模型仅需消耗原有方案64.5%的token即可达到顶尖准确率，显著提升了推理效率。
LongCat-Flash-Thinking的创新主要体现在两大核心系统上。
领域并行强化学习训练方法解决了强化学习领域混合训练的稳定性问题。这一方法将STEM、代码和智能体任务的优化过程解耦，采用多领域并行训练再融合的策略，实现模型能力的均衡提升。
异步弹性共卡系统是整个训练的基石。该系统通过弹性共卡调度与多版本异步流水线设计，实现了相较于同步RL训练框架三倍的提速，同时确保了每条样本的策略一致性。
模型还创新性地采用了“双路径推理框架”来提升智能体推理能力。该框架能够自主筛选最优查询样本，并通过自动化流程将智能体推理与工具使用相结合，使模型能够智能识别并调用外部工具。
美团已经将LongCat-Flash-Thinking全面开源，模型权重采用MIT许可证，支持自由使用与研究。开发者可在Hugging Face和GitHub平台获取模型资源。
同时，美团还推出了API开放平台，为开发者提供便捷的访问接口。每个账号每天自动获得10万token的免费额度，并可申请提高到500万token。
这一免费额度政策相当慷慨。实际体验中，用户反馈“很容易申请到500W的额度，就写了一个工作使用就通过了”。
对于西方企业，考虑到安全和地缘政治因素，VentureBeat建议他们从Hugging Face或GitHub下载模型，并在本地或美国云提供商上运行。
从外卖巨头到AI竞争者，美团的转型并非偶然。
美团CEO王兴在财报电话会议中表示：“AI将颠覆所有行业，我们的策略是主动进攻而非被动防御”。据美团核心本地商业CEO王莆中透露，美团每年在AI上投入超百亿元。
工信部信息通信经济专家委员会委员盘和林认为，美团入局大模型考虑更多的可能不是增量，而是防止对手用AI颠覆整个行业。本地生活领域涉及的物流、服务业都有着劳动力密集、高频互动的特点，属于人工智能改造潜力很大的领域。
值得注意的是，此前有媒体爆料称，LongCat-Flash的训练并非在英伟达GPU上完成，而是在国产加速卡上进行。尽管官方未公开回应，这一消息若属实，将显示中国在AI算力自主方面的进展。
在实际体验中，LongCat显示出明显的“美团基因”。当被要求生成营销文案时，其他大模型通常生成通用内容，而LongCat则会特别提到“美团，让思念比月光先到”这类带有品牌植入的文案。
在母亲节策划案生成中，LongCat会直接结合美团自身产品，建议“今天给妈妈做顿饭”并使用美团买菜，同时添加互动二维码“领50元买菜券”。这种深度融合自身业务的特点，使LongCat在服务美团商户和内部人员方面具有天然优势。
不过，也有用户反馈了一些问题。在API使用过程中，有开发者指出“调用好像不太一样啊，通用AI接口貌似调不通”，还有用户提到“截断挺严重”，显示产品仍有优化空间。
目前，全球开源大模型竞争日趋白热化。美团LongCat-Flash-Thining的加入，为开发者社区提供了一个新的选择。其5600亿参数的规模与动态激活机制在保持高性能的同时控制计算成本。
模型在数学推理和代码生成方面的表现，特别是LiveCodeBench上79.4分的成绩，使其成为企业级应用的有力竞争者。
对于开发者和企业来说，美团的开放政策意味着他们可以几乎零成本地体验这一尖端技术。而美团则通过开源策略，在AI生态中争取一席之地，为其核心业务构建技术护城河。