🚀 توسيع التضمينات، وليس فقط الخبراء—وتقديم مسار جديد لنماذج اللغة الكبيرة الفعالة. النتيجة الرئيسية: في السيناريوهات ذات التنوع العالي، تعطي تضمينات N-gram حدودا أفضل لباريتو من مجرد إضافة المزيد من خبراء وزارة المهندسين. لذلك، نقدم LongCat-Flash-Lite—أول نموذج مفتوح المصدر مبني على هذه الرؤية. ⚙️ 68.5 مليار بارام إجمالي (37.13 مليار غير مدمج) | 2.9B~4.5B نشط 📊 الأداء العالي: SWE-Bench 54.4 | τ²-بنش 72.8 | تيرمينالبنش 33.75 📃 نافذة سياق 256K (تعمل بنظام YARN) ✨ محسن للوكيل/البرمجة، قوي في التفكير العام ⚡ ~700 رمز/ثانية سرعة استنتاج ذروة والنتيجة: تحقق أداء تنافسيا ضمن نطاقها بتكلفة وفترة تأخير أقل بكثير. وجه العناق: تقرير تقني:

🚀 تقرير LongCat-flash-thinking-2601 التقني – تم إصداره بالكامل الآن! رؤى رئيسية: 🌍 التعلم الواقعي العملي واسع النطاق (14 صفحة من الغوص العميق!) 🔹 توسيع البيئة: نظرة مفصلة على خط أنابيب التشغيل الآلي لدينا الذي يبني 10,000+ بيئة قابلة للتنفيذ وقابلة للتحقق عبر 20+ نطاق. 🔹 بنية التعلم المنطقي: إطار عمل DORA مطور يدعم التدريب غير المتزامن مع 32,000+ بيئة متزامنة، يتعامل مع مشاكل الاستقرار في المهام طويلة الذيل وعالية التجانس. 🛡️ المتانة في البرية 🔹 حقن الضوضاء: لا مزيد من عوامل "الدفيئة الزجاجية". نقوم بتحليل ضوضاء العالم الحقيقي (ضوضاء المستخدم والأداة) بشكل منهجي ونحقنها مباشرة في حلقة التدريب. 🔹 التعلم المنطقي للمنهج: استراتيجية قائمة على المنهج تقوي النموذج تدريجيا ضد البيئات الفوضوية وغير المثالية. 🧠 إطار التفكير الثقيل 🔹 الاستدلال المتوازي: يوسع التوسيع من خلال توليد مسارات استدلال مستقلة متعددة. 🔹 التلخيص التكراري: يتوسع العمق باستخدام نموذج ملخص للتفكير في المسارات المتوازية وتركيبها قبل اتخاذ القرارات النهائية. 🔹 ذاكرة السياق: وحدة ذاكرة مصممة خصيصا للحفاظ على تماسك التفكير عبر آفاق طويلة. ⚡ انتباه متعرج 🔹 تصميم الاتصال المتعرج يجمع بين MLA و SSA لتقليل الحوسبة مع الحفاظ على تدفق المعلومات العالمي. 🔹 التحول في منتصف التدريب إلى النسخ المتناثرة يؤدي إلى تسريع 1.5× ويدعم سياقات الرمز بمليون دولار — مما يمهد الطريق لاختراقات مستقبلية في التفكير الوكيلي طويل السياق. 🔹 استكشف: 📊 تحقيق SOTA بين نماذج مفتوحة المصدر عبر معايير الوكلاء الرئيسية: البحث، استخدام الأدوات، التفكير الرياضي، والترميز. إذا كنت تريد المزيد من التفاصيل، لا تتردد في الاطلاع على التقرير الفني الكامل. • الورق: • الموقع الإلكتروني: • GitHub: • وجه العناق:

🚀 نقدم لكم LongCat-Flash-Thinking-2601 — نسخة مصممة للتفكير العميق والعام. ✨ أبرز النقاط التاريخية: 🤖 قدرات الوكيل من الدرجة الأولى 🔹 الأداء: نتائج المعيار الأعلى (TIR / البحث الوكيل / استخدام الأدوات الوكيلية)؛ قدرة ممتازة على التعميم، متفوقة على كلود في المهام المعقدة والعشوائية 🔹 مقياس البيئة المحيطية: بيئات عالية الجودة متعددة مبنية تلقائيا؛ رسم الاعتماد الكثيف 🔹 التعلم المعزز متعدد المحيطات: DORA الموسع (البنية التحتية لتعلم التعلم المعزز لدينا)، يدعم التدريب العملي متعدد البيئات واسع النطاق 🛡️ المتانة في العالم الحقيقي 🔹 الأداء: أداء قوي في سيناريوهات فوضوية وغير مؤكدة (Vita-Noise & Tau^2-Noise) 🔹 تحليل الضوضاء: تحليل منهجي للضوضاء الحقيقية في سيناريوهات الوكلاء 🔹 التعلم الواقعي للمناهج: زيادة نوع الضوضاء وشدة التدريب 🎯 وضع التفكير الثقيل 🔹 التفكير المتوازي: يوسع التنوع عبر عدة مسارات استدلالية مستقلة 🔹 التلخيص التكراري: يعزز العمق باستخدام نموذج ملخص لتركيب المخرجات، مما يدعم حلقات التفكير التكراري 📅 شيء آخر: سياق 1M-token عبر Zigzag Attention قادم قريبا. 🔍 جربها الآن: ✅ كما يتوفر الوصول إلى واجهة برمجة التطبيقات لهذا الإصدار. وجه العناق: GitHub: