美団LongCatが新しい推論モデルを発表！Flash-Thinkingが複数のベンチマークで実力を示し、オープンソースモデルの新たな基準に挑戦

美団LongCatチームは、論理、数学、コードなど複数の分野でオープンソースモデルのトップレベルに達した、新しい高効率推論モデルLongCat-Flash-Thinkingを発表しました。本記事では、その性能、効率の利点、そしてAI開発者コミュニティにとっての意義を深く分析します。

人工知能の発展速度は、特に大規模言語モデル（LLM）の分野では、ほとんど追いつけないほど速く、ほぼ常に驚くべき新しい技術が登場しています。最近、美団のLongCatチームが大きなニュースをもたらし、彼らの新しい高効率推論モデルであるLongCat-Flash-Thinkingを正式に発表しました。

これは単なるマイナーアップデートではありません。このモデルは、前身であるLongCat-Flash-Chatの極めて高い速度を継承するだけでなく、「思考」能力においても大きな飛躍を遂げました。総合的な評価によると、論理、数学、コード生成、さらには複雑なエージェントタスクにおいて、世界のオープンソースモデルの中で最先端（SOTA）のレベルに達しています。

では、LongCat-Flash-Thinkingは一体どこが強いのか？

簡単に言えば、より賢く、より専門的な思考者です。

これまで、多くのモデルは単一のタスクでは優れたパフォーマンスを発揮するかもしれませんが、深い思考と多段階の推論を必要とする複雑な問題に直面すると、力不足を感じさせることがありました。LongCat-Flash-Thinkingは、この行き詰まりを打破しようと試みています。その最大の特徴は、中国で初めて「ディープシンキング＋ツール呼び出し」と「非形式的＋形式的」推論能力を統合した言語モデルであることです。

これは少し専門的に聞こえるかもしれませんが、次のように理解できます。

• ディープシンキング＋ツール呼び出し： 人間のように複雑な論理的推論を行うだけでなく、自律的かつ知的に外部ツール（計算機、コードインタプリタなど）を呼び出して自身を支援することができます。まるで、問題解決のためにツールを使いこなす専門家のようです。
• 非形式的＋形式的推論： 日常的な自然言語の会話（非形式的）を理解できるだけでなく、厳密な数学の定理証明（形式的）も処理できるため、応用範囲が広がります。

率直に言って、非常に頭を使うタスク、例えば難易度の高い数学コンテストの問題、複雑なコードのデバッグ、多段階の計画が必要なエージェントタスクなどを処理する際に、LongCat-Flash-Thinkingの利点は特に顕著です。

口先だけでなく、データはどうなっているのか？

もちろん、口先だけでは意味がありません。モデルの強さは、最終的には標準化されたテストでのパフォーマンスによって決まります。LongCatチームが公開したデータチャートを見ると、LongCat-Flash-Thinkingは確かに素晴らしい成績を収めています。

コード、数学、論理的推論をカバーする一連のベンチマークテストで、GPT-5-ThinkingやGemini-2.5 Proなどのクローズドソースの巨人を含む世界のトップモデルや、他の優れたオープンソースモデルと競い合いました。

いくつかの主要なテスト項目を見てみましょう。

• コード生成能力を試すOJBenchテストでは、LongCat-Flash-Thinkingが40.7という高得点でトップに立ち、すべての競合を上回りました。
• 数学的推論のMiniF2F-Testでも、81.6というスコアで他をリードしました。
• 非常に挑戦的な数学コンテストであるAIME-24とHMMT-25でも、そのパフォーマンスはGPT-5-ThinkingやGemini-2.5 Proなどのトップモデルに匹敵するものでした。

これはGPT-5やGeminiと比べてどうなのか？

注目すべき詳細の1つは、いくつかの総合スコア（τ²-Benchなど）ではGPT-5のようなトップのクローズドソースモデルと比較してまだ若干の差があるものの、LongCat-Flash-Thinkingはオープンソースモデルのトップティアにしっかりと定着していることです。AIコミュニティ全体にとって、これは非常に重要なマイルストーンであり、開発者や研究者がより低い敷居で世界トップクラスのAI推論能力にアクセスできることを意味します。

強力なパフォーマンス、しかしコストは慎重に考慮する必要がある

開発者にとって、モデルのパフォーマンスは確かに重要ですが、運用効率とコストも重要な考慮事項です。これがLongCat-Flash-Thinkingのもう1つの大きなハイライトです。

それは賢いだけでなく、「倹約家」でもあります。

公式データによると、AIME-24数学コンテストのテストで、LongCat-Flash-Thinkingは最高の精度を達成しながら、必要なトークン数を64.5%削減しました！これは、より低い計算コストとより速い応答速度を意味します。

この背後にある功労者は、チームによるインフラストラクチャの最適化です。彼らが採用した非同期強化学習（Async RL）フレームワークは、従来の同期フレームワークと比較して3倍のトレーニング速度向上を達成しました。これにより、モデルはより速く反復および最適化でき、ユーザーにはより効率的な推論体験がもたらされます。

直接体験し、オープンソースの力を受け入れよう

結局のところ、一番良い方法は自分で試してみることです。美団LongCatチームは、AI技術の発展を促進する決意を示すため、LongCat-Flash-Thinkingモデルを複数のプラットフォームで完全にオープンソース化しました。

AI研究者、アプリケーション開発者、あるいは単に最先端技術に興味がある人であっても、以下のチャネルを通じてこの強力なモデルにアクセスできます。

• モデルダウンロード（Hugging Face）： meituan-longcat/LongCat-Flash-Thinking
• ソースコード（GitHub）： meituan-longcat/LongCat-Flash-Thinking
• オンライン体験： longcat.ai

要約すると、LongCat-Flash-Thinkingのリリースは、美団にとってAI分野における大きな技術的ブレークスルーであるだけでなく、世界のオープンソースコミュニティへの寛大な贈り物でもあります。これは、オープンソースモデルが最も複雑な推論タスクにおいてトップレベルのパフォーマンスに挑戦し、さらにはそれを超える能力を持っていることを証明すると同時に、効率とコストも考慮に入れています。これは間違いなく、より多くの革新的なアプリケーションの誕生を促し、私たちの継続的な注目に値します。