美团开源5600亿参数大语言模型LongCat刷新SOTA水平

美团开源 LongCat-Flash-Prover 大模型：5600 亿参数，刷新两项 SOTA 水平

在 AI 攻克数学证明难题的征途上，又迎来了一个重量级选手。近日，美团正式开源了名为 LongCat-Flash-Prover 的大模型。这个模型可不简单，它采用了 MoE（混合专家模型）架构，参数量达到了惊人的 5677 亿，其核心目标直指一个颇具挑战性的领域：解决复杂的数学证明问题。

技术框架：如何让模型“严谨”推理？

那么，如此庞大的模型，是如何确保其推理过程可靠、避免“胡说八道”的呢？关键在于其引入的“混合专家迭代框架”。这个框架专门用于生成大规模且高质量的形式化推理轨迹。简单来说，就是让 AI 的思考过程变得像数学家写证明一样，步步为营，有章可循。

为了实现这一点，模型整合了 Lean4 定理证明器，并采用了一套基于抽象语法树的多阶段严格验证流程。这套组合拳，本质上是给模型的推理过程加上了多重“紧箍咒”，从而有效消除了常见的“幻觉”现象，让每一步推导都经得起推敲。

训练秘诀：数据、算法与防作弊机制

光有框架还不够，训练过程的精妙设计才是模型能力的根基。LongCat-Flash-Prover 的训练之路颇具巧思。首先，它利用前述的混合专家迭代框架来自主生成高质量的“冷启动”数据，解决了初期训练数据匮乏的难题。

进入强化学习阶段后，挑战随之而来——如何稳定 MoE 模型在长程、复杂任务上的训练？研究团队为此引入了 HisPO 算法，专门用来稳住训练过程。更重要的是，他们还加入了定理一致性和合法性检测机制。这个机制的作用，就好比考场上的防作弊系统，能够有效防止模型为了获取高奖励而“钻空子”，也就是业内常说的“奖励黑客行为”，从而确保学到的都是真才实学。

性能表现：刷新两项关键基准

说了这么多，实际效果究竟如何？基准测试结果给出了有力的回答。在 MiniF2F-Test 这项数学证明测试中，该模型取得了 97.1% 的优异表现，而且平均仅需 72 次推理尝试，效率颇高。

更具挑战性的是 PutnamBench 任务，这是基于国际大学生数学竞赛题构建的基准。在这项测试中，LongCat-Flash-Prover 成功解决了 41.5% 的问题，平均使用 118 次推理尝试。这两项成绩，均刷新了当前该领域的 SOTA（最高技术水平）记录，实力不容小觑。

资源获取

目前，该模型已正式开源，感兴趣的开发者与研究团队可以通过以下地址获取相关资源：

GitHub：https://github.com/meituan-longcat/LongCat-Flash-Prover

Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Flash-Prover