LongCat-Flash-Thinking 是什么：美团的 560B 开源推理模型

它是什么

LongCat-Flash-Thinking 是美团 LongCat 团队在 2025 年 9 月发布的开源推理模型，总参数 560B，采用混合专家（MoE）架构，每个 token 平均激活约 27B 参数，模型仓库是 meituan-longcat/LongCat-Flash-Thinking。它是 LongCat-Flash 对话模型的推理版本，专门针对数学、代码、智能体等需要深度思考的任务。美团作为一家外卖和本地生活公司做出这样规模的开源大模型，当时引起了不少关注。

怎么训出来的

技术报告把训练分成两大阶段。第一阶段是长思维链冷启动：用精心设计的长思维链数据做冷启动训练，提升模型的推理潜力，同时让它掌握形式化推理和智能体推理这两类专门技能。第二阶段是大规模强化学习，核心创新是“领域并行”训练：把 STEM、代码、智能体等不同领域的优化拆开分别进行，各自训出专家模型，最后再融合成一个接近帕累托最优的统一模型。这样做的好处是避免不同领域的训练互相干扰。

DORA 框架

支撑整个强化学习过程的是团队自研的 DORA（Dynamic ORchestration for Asynchronous rollout）系统。推理模型的强化学习里，生成轨迹（rollout）的长度差别很大，同步训练会让快的样本等慢的样本，算力大量闲置。DORA 采用异步编排，在数万张加速卡上实现了比同步方法快三倍以上的训练速度。

成绩怎么样

论文称它在一系列复杂推理任务上达到了开源模型的最好水平。最有特色的是智能体推理的效率：在 AIME-25 上配合工具推理时，平均 token 消耗从 19653 降到 6965，减少了 64.5%，同时准确率没有下降。对推理模型来说，同样的答案用三分之一的 token 得出，意味着推理成本和等待时间都大幅降低。

适合谁

想研究大规模强化学习、领域融合训练方法的研究者，技术报告很值得细读。需要自托管强推理模型的企业可以评估它，但 560B 的总参数对部署硬件要求很高。AI 主线的看法是：LongCat-Flash-Thinking 的看点是“会用工具省 token”，这比单纯刷高推理分数更贴近智能体落地时的成本压力。