Este artigo da equipa LongCat aborda uma questão que se está a tornar inevitável na pesquisa moderna em IA: por que é que modelos de raciocínio que parecem brilhantes em benchmarks ainda lutam quando são colocados em ambientes reais e desordenados? Os autores introduzem o LongCat-Flash-Thinking-2601, um modelo Mixture-of-Experts com 560B de parâmetros, projetado não apenas para pensar, mas para agir. A afirmação central é que o raciocínio agente não emerge apenas de uma melhor cadeia de pensamento. Ele emerge de uma interação sustentada com ambientes, ferramentas, ruído e falhas. A mudança técnica é sutil, mas importante. Em vez de tratar o raciocínio como um problema estático de texto, o artigo o enquadra como um processo de ciclo fechado: observar → planejar → agir → receber feedback → rever. Essa mudança força alterações em todos os lugares: construção de dados, algoritmos de treinamento, infraestrutura e até mesmo comportamento em tempo de inferência. Uma contribuição importante é a escalabilidade do ambiente. Em vez de depender de alguns benchmarks de agentes feitos à mão, os autores constroem um pipeline automatizado que gera mais de 10.000 ambientes executáveis em mais de 20 domínios. Cada ambiente é fundamentado em dependências reais de ferramentas, bancos de dados verificados e múltiplos caminhos de solução válidos. A dificuldade escala estruturalmente, não heuristicamente. O treinamento nesses ambientes normalmente colapsaria sob o ruído. Portanto, o artigo modela explicitamente as imperfeições do mundo real: instruções ambíguas, falhas de ferramentas, saídas parciais. O ruído não é tratado como um caso extremo. Ele é incorporado ao currículo, aumentando progressivamente em complexidade para que a robustez seja aprendida, e não corrigida mais tarde. Além disso, eles estendem o aprendizado por reforço assíncrono (DORA) para lidar com interações de múltiplas turnos de cauda longa em escala, mantendo o treinamento estável mesmo com dezenas de milhares de ambientes concorrentes. No tempo de inferência, o modelo introduz o Modo de Pensamento Pesado. Em vez de uma longa cadeia de pensamento, ele executa caminhos de raciocínio paralelos e, em seguida, os agrega através de uma fase reflexiva secundária. Isso escala tanto a profundidade quanto a largura do raciocínio, e consistentemente supera a autoconsistência em tarefas complexas. Os resultados são impressionantes. O LongCat-Flash-Thinking-2601 estabelece um desempenho de ponta entre modelos de código aberto em benchmarks agentes como BrowseComp, τ²-Bench e VitaBench, enquanto permanece competitivo com modelos fechados em matemática, codificação e busca. Mais importante, o desempenho degrada muito menos sob condições ruidosas. A implicação mais ampla é desconfortável, mas clara: a qualidade do raciocínio já não é o gargalo. A generalização é. E a generalização vem de ambientes, não de prompts. Este artigo argumenta que, se quisermos agentes que funcionem fora de demonstrações, temos que parar de treiná-los em mundos limpos e imaginários. A verdadeira inteligência é forjada onde as coisas quebram. Artigo: LongCat-Flash-Thinking-2601 Relatório Técnico