🚀 Vi presenterar LongCat-Flash-Thinking-2601 — En version byggd för djupt och allmänt agentiskt tänkande. ✨ Höjdpunkter: 🤖 Toppnivåagenters kapaciteter 🔹 Prestanda: Toppresultat i benchmark (TIR / Agentisk sökning / Användning av agentiskt verktyg); utmärkt generaliseringsförmåga, överträffar Claude i komplexa, slumpmässiga uppgifter 🔹 Miljöskalning: Flera automatiskt byggda miljöer av hög kvalitet; Tät beroendegraf 🔹 Multi-Env RL: Utökad DORA (vår RL-infrastruktur), som stödjer storskalig multi-miljö agentisk träning 🛡️ Verklighetsbaserad robusthet 🔹 Prestanda: Stabil prestanda i röriga, osäkra situationer (Vita-Noise & Tau^2-Noise) 🔹 Brusanalys: Systematiskt analyserat verkligt brus i agentiska scenarier 🔹 Läroplan RL: Öka bullertyp och intensitet under träning 🎯 Tungt tänkande läge 🔹 Parallellt tänkande: Utökar bredden via flera oberoende resonemangsspår 🔹 Iterativ sammanfattning: Förbättrar djupet genom att använda en sammanfattningsmodell för att syntetisera utdata, vilket stödjer iterativa resonemangsloopar 📅 En sak till: 1M-token-kontext via Zigzag Attention kommer snart. 🔍 Prova nu: ✅ API-åtkomst för denna version är också tillgänglig. Kramande ansikte: GitHub: