当大模型在数学竞赛、代码编写等领域持续突破，甚至超越顶尖人类专家时，大家难免会好奇：这些在基准测试中拿高分的模型，能否真正落地到复杂多变、充满噪声的真实世界任务中？

近期，美团 LongCat 团队交出了一份重磅答卷——开源 LongCat-Flash-Thinking-2601。作为一款拥有 5600 亿参数的 MoE（混合专家） 模型，它不仅在 BrowseComp、VitaBench 等智能体基准测试中登顶开源 SOTA，更通过“环境扩展、多环境RL训练、抗噪训练”等核心创新，解决了智能体“落地难”的问题。同时，该模型创新性地打造了 “重思考模式” ，通过并行推理与深度总结，实现推理宽度与深度的协同扩展，显著提升复杂交互与多步规划任务中的表现。

今天，我们深入解析 LongCat 如何通过多维度的创新打造强泛化的智能体模型。

01 为何智能体在真实世界中总是“水土不服”？

当前，智能体系统依然严重依赖垂直场景的定制化设计——需要工程师精心打磨特定的Prompt、工具链，甚至环境接口。这种模式带来了高昂的适配成本：模型在一个场景下表现优异，一旦换个领域、换套工具，或者环境稍微嘈杂一点（比如工具调用超时、工具报错），它们就会“水土不服”，甚至失效。

根本原因在于：缺乏一个能够在多样化、复杂化、带噪声环境中“身经百战”并稳定泛化的基础模型。 现有的训练往往在高度理想化、规则明确的环境中进行，缺乏对真实世界复杂交互与不确定性的充分覆盖。

为此，美团LongCat团队提出了一套以 “两个扩展+噪声训练” 为核心的通用智能体训练范式：

• 环境扩展：构建覆盖20+领域的规模化训练场
• 强化学习扩展：在万级异构环境中实现高效稳定训练
• 噪声鲁棒训练：系统化注入真实世界扰动，提升模型韧性

通过这套组合拳，模型能够获得高级别的任务执行与跨领域泛化能力，实现模型即智能体，显著降低后续垂直场景的适配负担，让模型能够在真实复杂世界中自如地应对新任务和新挑战。

02 环境扩展：构建高质量“练兵场”

环境扩展是模型获取通用智能体能力的核心基础。要让模型真正掌握实际任务执行能力，就必须脱离纯文本训练的局限，让模型在模拟真实场景的交互环境中落地实操。

面对真实世界场景复刻成本高、迭代效率低的痛点，LongCat 团队构建了端到端自动化环境生成系统，为模型打造了覆盖 20 余个领域、包含上万种情境的规模化训练环境。该系统具备高效智能化生成能力：输入简洁的 “领域定义” 即可完成全链路环境构建，自动合成包含 60 余个工具、具备复杂依赖关系的可执行环境图谱，并同步生成配套的数据库架构、工具调用接口及验证逻辑。环境类型覆盖文件管理、数据分析、电商零售、电信服务等多元场景，提供与真实世界一致的工具交互体验，支撑模型调用工具、处理数据、接收反馈的全流程训练。

自动化合成的环境越复杂，其背后关联的需要自动合成的数据库越多，越难保持这些自动合成的“数据库一致性” —— 单个环境关联数十个数据库，工具间参数依赖错综复杂，易出现逻辑冲突导致任务 “看似可解实则无解”，向模型传递错误训练信号。为此，LongCat 团队创新了 “可解路径优先” 的环境构建策略：

• 种子采样：随机采样一条长工具调用链作为锚点，并依此自动构建一个采纳该工具调用链作为解法之一的复杂任务，同时对于采样过的工具，降低其采样概率；
• 受控扩展：以该“黄金工具链”为根，通过BFS式扩展，生成一个极大环境子图（保证其前序依赖结点均在已有的工具集内，从而进行可控扩展），严格保证数据库的逻辑一致性；
• 动态环境构建：系统会根据当前环境的复杂度、剩余工具图中找到新有效路径的难度、以及未使用的工具数量，动态决定是否加入新的“黄金工具链”。这样既能扩展环境规模，又能保证任务可解、训练有效；
• 最小规模保证：如果当前环境的工具数量太少（不足20个），系统会直接从全局工具库中随机选一条中等规模的可用工具链加入，并始终保持数据库状态一致，避免环境失效。

这套机制既能扩展环境规模，又能保证任务可解、训练信号有效，彻底摆脱“纸上谈兵”的局限。

03 强化学习扩展：万级异构环境下的高效稳定训练

当我们有了海量训练环境，怎么让模型高效学习？为支持大规模多环境训练，LongCat团队升级了异步训练系统DORA。在训练启动前，团队将预训练/微调模型的目标，从追求基准高分，重新定义成为后续RL提供“冷启动策略”：

• 有真实数据的领域（如数学、编码）：通过严格的质量控制与可执行性验证筛选高质量轨迹。
• 缺乏真实数据的领域（如搜索、工具使用）：采用双路合成，包括文本驱动合成及环境锚定合成。

这样既保证了数据质量，也为后续强化学习提供了多样化的探索基础。

DORA 系统的核心突破在于全异步流式训练架构，颠覆传统同步训练模式：

• 多版本模型并行探索：不同版本模型生成的训练经验 “随产随收”，直接存入样本队列，训练器无需等待所有任务完成即可启动训练，彻底消除任务间等待时间；训练设备空闲时，系统可弹性扩容生成实例，进一步提升吞吐量；
• 分布式调度架构：拆解集中式调度设计，采用 “轻量级 Rollout Manager + 多 Rollout Controller” 的分布式模式，前者负责全局元数据管理，后者各自管理一个虚拟 rollout 组的生命周期，通过数据并行处理环境交互，解决单机器调度瓶颈；
• 灵活环境部署：扩展 PyTorch RPC 框架，支持基于 CPU 空闲状态的远程函数调用与对象实例化，可将海量环境灵活部署到任意空闲机器，实现资源高效利用。

为适配 5600 亿参数 MoE 模型训练需求，DORA 引入两项关键优化：

• Prefill-Decode（PD）解耦，将预填充与解码任务部署在不同设备组，避免长上下文请求的预填充任务干扰解码流程，保障多轮交互中的生成效率；
• KV-cache 交换机制，通过 chunk 级 KV-cache 聚合传输、异步传输与计算重叠降低数据传输开销，配合 CPU 驻留的 KV-cache 动态交换机制，彻底解决设备显存不足导致的重复计算问题。

资源分配上，DORA 实现 “双层平衡”：

• 整体平衡：根据环境难度分配训练任务量，对复杂、低吞吐量领域提高 rollout 配额，避免简单环境训练过度；
• 批内平衡：单批次保证任务域多样性，防止模型仅适应少数环境出现过拟合。

最终，该系统实现 2-4 倍于传统同步训练的效率，支持千步以上稳定训练，支撑模型在万级异构环境中持续学习、稳步提升。

04 噪声环境下的稳健训练：系统化注入真实世界扰动

真实世界环境存在固有不完美性 —— 工具可能因网络问题随机失效、返回残缺结果，用户指令可能存在歧义、表述前后不一致，数据传输过程中还可能出现误差，这些噪声会导致仅在理想化完美环境中训练的模型，部署到真实场景后 “水土不服”，性能大幅下降。为此，LongCat 团队将真实世界的 “不完美” 纳入训练核心，设计系统化鲁棒性训练方案，提升模型在不确定环境中的稳定决策能力。

团队首先对真实世界噪声进行系统拆解与建模，明确两类核心噪声来源：

• 工具噪声：包括工具执行失败（如调用超时、权限不足）、返回结果不完整（如数据字段缺失）、响应格式不一致（如有时返回 JSON 有时返回文本）等场景；
• 指令噪声：涵盖用户表述歧义（如未明确任务目标）、指令信息冗余（如包含无关干扰内容）、需求动态变更（如中途调整任务参数）等情况。

这些噪声均基于真实场景观测总结，最大程度还原真实世界的不确定性。为使模型循序渐进适应噪声，团队采用 “课程学习” 注入策略：训练初期注入轻微扰动（如工具返回结果少部分缺失、指令存在轻微歧义），模型在当前噪声水平下表现出足够稳定性后，再逐步提升噪声复杂度与干扰强度（如工具频繁失效、指令严重模糊），形成稳健决策模式。

训练执行层面，团队将噪声注入与多环境训练深度融合：在20余个领域的上万种环境中，针对性加入不同类型、不同强度的噪声，使模型在学习各领域任务能力的同时，同步适应噪声环境。通过这种渐进式训练，模型最终能够在各种真实世界扰动下仍保持稳健的决策能力。

05 构建 “重思考机制”：让模型“做事”三思而后行

在特别复杂的任务上，模型有时会一根筋——沿着一条思路走到黑，即使那条路可能不对。这很像人类在遇到难题时，需要多想想不同的可能性。“重思考”模式的核心是 “宽度 + 深度” 双扩展：先让模型同时生成多条推理路径，探索不同的解决方案，再用专门的总结模型，对这些路径进行分析、筛选，提炼出最优思路。而且还会通过强化学习，让模型学会整合中间结果，不断完善推理过程。

在实际测试中，不管是长链推理、工具集成推理，还是完全的智能体工具使用场景，“重思考”模式都特别有效。随着测试时计算预算的增加，它的性能优势会越来越明显，比只扩展推理深度或宽度的策略表现好得多。

06 能力验证：不仅会做，而且做得稳、能泛化

在以下基准测试中，LongCat-Flash-Thinking-2601 的表现相当亮眼：在 BrowseComp 、τ²-Bench 、VitaBench 均达到开源模型中的顶尖水平，甚至在部分任务上逼近了闭源顶级模型。

同时，模型展现出强泛化能力，在未见过的随机工具组合与任务中表现出色，掌握 “解决问题的元能力”；在注入真实噪声的测试集上，表现大幅超越其他模型，验证了主动噪声训练的有效性。通过算法与工程的深度协同，自动化环境构建降低适配成本，DORA 系统让训练效率提升 2-4 倍，Heavy Thinking 模式放大复杂任务处理能力，形成高效可扩展的训练体系。

07 One More Thing：Zigzag 注意力机制

传统全注意力机制的二次计算复杂度限制了其对百万级token上下文的支持，而现有稀疏注意力方案往往需要完全重训，成本高昂。

LongCat团队提出的Zigzag注意力机制（Zigzag Attention）创新性地结合了两种稀疏注意力模式：MLA（多头潜在注意力） 与 SSA（流式稀疏注意力）。该机制采用分层设计，在不同层中交替使用这两种稀疏注意力变体，避免了传统稀疏注意力中常见的计算不平衡问题，实现了更高的硬件利用率。

核心设计：对每个查询token，注意力被限制在以下两部分：

• 局部窗口：最近的W个token，捕捉短期依赖
• 全局锚点：序列开头的B个token，保留长期记忆

这一设计显著降低了计算和内存复杂度，同时保持了模型对短长期上下文的感知能力。

实施方式：Zigzag注意力在中期训练阶段引入，通过结构化稀疏化流程将原始全注意力模型高效转换为稀疏变体，转换开销极低。经过优化后的模型支持最长100万token的上下文长度，为超长序列处理提供了可行解决方案。

团队同步开源适配该机制的模型 LongCat-Flash-Thinking-ZigZag ，完整继承LongCat-Flash-Thinking-2601的核心能力，同时具备超长上下文处理优势，为开发者提供即拿即用的长序列解决方案。

08 总结

LongCat-Flash-Thinking-2601 通过环境扩展与噪声训练，显著降低了智能体对垂直场景的依赖，为开源模型在真实世界任务中的泛化能力设立了新的参考标准。我们相信，真正通用的智能体，不应是温室里的盆景，而应是能在真实世界风雨中扎根的大树。

LongCat-Flash-Thinking-2601 的发布，是我们向这个目标迈出的坚实一步。开源是我们播下的一颗种子，我们期待与整个社区一起，在这片名为“智能体”的星辰大海中，共同驶向辽阔的未来。

开源平台

• GitHub：https://github.com/meituan-longcat/LongCat-Flash-Thinking-2601
• Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Flash-Thinking-2601
• ModelScope：https://www.modelscope.cn/models/meituan-longcat/LongCat-Flash-Thinking-2601

在线体验与调用

• 官网：https://longcat.ai
• API开放平台：https://longcat.chat/platform/usage

欢迎开发者下载、部署并体验 LongCat-Flash-Thinking-2601，同时也欢迎您在LongCat API 开放平台申请免费调用额度。如果您在智能体开发、大模型推理优化等领域有合作想法或反馈，我们期待与您交流。