Hogar
Meituan presenta LongCat, con 56 000 millones de parámetros, y establece un nuevo referente en el razonamiento matemático de código abierto
A medida que los grandes modelos de lenguaje se expanden hacia ámbitos especializados, Meituan ha presentado una solución destacada que ha despertado el interés tanto del mundo académico como del sector empresarial.
El 21 de marzo, Meituan presentó oficialmente LongCat-Flash-Prover, un modelo de razonamiento matemático a gran escala. Este potente sistema, con 567 700 millones de parámetros, utiliza una arquitectura avanzada MoE (Mixture of Experts) y está optimizado específicamente para abordar demostraciones matemáticas formales de gran complejidad.

En las pruebas de referencia de primer nivel que evalúan el razonamiento lógico, LongCat-Flash-Prover ha demostrado un rendimiento excepcional:
Rendimiento récord: ha alcanzado una notable puntuación del 97,1 % en la prueba MiniF2F-Test, con solo 72 intentos de razonamiento.
Superación de problemas difíciles: resolvió con éxito el 41,5 % de los retos del conjunto de datos PutnamBench. Ambos resultados establecen nuevos récords mundiales de vanguardia (SOTA).
Para dotar a los modelos de gran tamaño de la precisión de un matemático, Meituan implementó varias innovaciones técnicas fundamentales:
Reducción de las «alucinaciones»: se introdujo un proceso de verificación en varias etapas basado en árboles de sintaxis abstracta (AST), junto con la integración del lenguaje formal Lean4, lo que minimizó eficazmente los errores lógicos y las «alucinaciones» en las deducciones de la IA.
Métodos avanzados de entrenamiento: para abordar la inestabilidad que suele observarse en tareas de largo plazo dentro de los modelos MoE, Meituan implementó su algoritmo propio HisPO. Combinado con una comprobación de consistencia de teoremas, este enfoque evita el «reward hacking» durante el aprendizaje por refuerzo.
Arquitectura optimizada: con un total de 560 000 millones de parámetros, el modelo mantiene una base de conocimientos profunda, mientras que la estructura MoE garantiza una inferencia eficiente y flexible.
Meituan ha publicado el modelo y su código fuente de forma totalmente abierta en GitHub y Hugging Face.
Con el lanzamiento de LongCat-Flash-Prover
Artículo relacionado
Meta quiere que tu próximo gadget esté impulsado por Muse
El asistente de inteligencia artificial de Meta, Muse, que se encarga de reservas de viajes, envío de formularios y compras, ha ganado una amplia adopción, pero una nueva iniciativa puede interesar especialmente a desarrolladores y entusiastas del ha
Wan-Streamer v0.2 ofrece un chat de IA con latencia ultrabaja
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
A medida que los grandes modelos de lenguaje se expanden hacia ámbitos especializados, Meituan ha presentado una solución destacada que ha despertado el interés tanto del mundo académico como del sector empresarial.
El 21 de marzo, Meituan presentó oficialmente LongCat-Flash-Prover, un modelo de razonamiento matemático a gran escala. Este potente sistema, con 567 700 millones de parámetros, utiliza una arquitectura avanzada MoE (Mixture of Experts) y está optimizado específicamente para abordar demostraciones matemáticas formales de gran complejidad.

En las pruebas de referencia de primer nivel que evalúan el razonamiento lógico, LongCat-Flash-Prover ha demostrado un rendimiento excepcional:
Rendimiento récord: ha alcanzado una notable puntuación del 97,1 % en la prueba MiniF2F-Test, con solo 72 intentos de razonamiento.
Superación de problemas difíciles: resolvió con éxito el 41,5 % de los retos del conjunto de datos PutnamBench. Ambos resultados establecen nuevos récords mundiales de vanguardia (SOTA).
Para dotar a los modelos de gran tamaño de la precisión de un matemático, Meituan implementó varias innovaciones técnicas fundamentales:
Reducción de las «alucinaciones»: se introdujo un proceso de verificación en varias etapas basado en árboles de sintaxis abstracta (AST), junto con la integración del lenguaje formal Lean4, lo que minimizó eficazmente los errores lógicos y las «alucinaciones» en las deducciones de la IA.
Métodos avanzados de entrenamiento: para abordar la inestabilidad que suele observarse en tareas de largo plazo dentro de los modelos MoE, Meituan implementó su algoritmo propio HisPO. Combinado con una comprobación de consistencia de teoremas, este enfoque evita el «reward hacking» durante el aprendizaje por refuerzo.
Arquitectura optimizada: con un total de 560 000 millones de parámetros, el modelo mantiene una base de conocimientos profunda, mientras que la estructura
Meituan ha publicado el modelo y su código fuente de forma totalmente abierta en GitHub y Hugging Face.
Con el lanzamiento de LongCat-Flash-Prover
Meta quiere que tu próximo gadget esté impulsado por Muse
El asistente de inteligencia artificial de Meta, Muse, que se encarga de reservas de viajes, envío de formularios y compras, ha ganado una amplia adopción, pero una nueva iniciativa puede interesar especialmente a desarrolladores y entusiastas del ha
Wan-Streamer v0.2 ofrece un chat de IA con latencia ultrabaja
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha











