登录
11月2日，美团发布新一代大模型 LongCat-2.5，定位是面向长程智能体任务的原生多模态模型，总参数 1.6 万亿，每个 token 激活约 480 亿参数。真正变的不只是体量——它和今年 6 月发布的 LongCat-2.0 参数规模相同——而是验收标准：上一代比的是会不会写代码，这一代比的是能不能把一个项目从头做完。模型当天就通过官网和 API 开放使用，但权重没有随发布开源，首发的各项跑分也都出自美团官方自测。知乎
长程智能体：同样的身板，换了干的活
总参数 1.6 万亿、每次只激活约 480 亿，这是混合专家（MoE）架构：能力按“全体员工”存放，单次调用只按“出勤的小队”计成本。所谓“长程”，指的是要连续干几十步的活——读完整个代码库、改代码、跑终端、看报错、再回头改，中间不能断片。官方的说法，是把长序列训练中加入更多长程轨迹数据，通过大规模长程强化学习来提升复杂代码库开发、完整项目构建中的端到端工程能力。它还支持最长 100 万 token 的上下文，约合几十万汉字，一个中型项目的代码可以一次性塞进去读完。微博知乎
练法也跟着换。按官方技术博客，训练任务、可交互环境和可验证测试用例由自动流水线生成，数据来源包括 GitHub 公开仓库和内部真实场景；对筛选后的 PR 和关联 issue，用“原来跑不过的测试现在必须跑过”来验收。知乎
为了防止模型“投机取巧”，美团把训练环境断网、清除 git 历史和文件缓存，再引入 LLM judge 监督轨迹；真实 Agent 跑失败的轨迹也被改造成可复现、可打分的训练任务，哪儿弱就补哪儿。知乎
跑分：官方数据亮眼，“还没赢”的地方也要看
从官方公布的成绩看，LongCat-2.5 较上一代提升明显：Terminal Bench v2.1（终端里连续完成任务）从 70.8 分升到 88.4 分，BrowseComp（联网检索）91.9 分、3DCodeBench（文字生成 3D）55.4 分，两项排官方对比表第一。官方对比的四个对手是 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5。哔哩哔哩知乎
但同一张对比表里，“落后项”同样藏不住：在最难的仓库级任务 Terminal Bench v4.0 上它是 38.5 分，Claude Opus 5 是 53.9 分。官方对比表里，它在 Program Bench 上也只有 25.5 分，落后于 Claude-Opus-5 的 37 分。知乎
这些成绩目前全部是官方自测，还没有第三方独立复核。B站一位博主把正式版接进 agent 跑自研基准后发现：强约束指令能守住数字结尾，但语义通顺和常识搭配还翻小错，鹈鹕骑车、复合弓射箭的 SVG 把空间关系和物理逻辑画得乱七八糟。官方发布帖的评论区里，“评分这么高吗？有没有刷分啊”这类追问也有人在点。知乎哔哩哔哩
原生多模态：图片先变成“字”，再进同一个上下文
此前常见的多模态做法，是给语言模型外挂一个视觉模块：图片先被“翻译”成模型读得懂的形式再递进去。LongCat-2.5 把视觉信号表示成多层级离散 token，让主干模型用和文字同一种 token 形式统一处理视觉与文本输入。打个比方，不是旁边请个翻译口述图片，而是它自己能像读字一样读图。这直接支撑了官方主打的 Visual Coding：对着截图写代码、改设计，以及创意设计和 3D 任务。知乎
美团技术博客给出的商家侧例子更能看出“做完项目”的样子：一次品牌多渠道经营分析里，模型自己构建渠道利润表，发现支付 GMV 涨了 23.2%、渠道利润却降了 1.7%，判断问题出在“增长质量”，再结合复购、库存风险给出资源投放建议。同期，美团还推出了 AI 经营工作台“妙手”，把这套能力推向商家经营场景。知乎微博
底座：目前国产芯片完成的最大训练任务
据多家媒体报道，LongCat-2.5 训练全程跑在国产算力上，从规模上说是目前国产芯片完成的最大训练任务。此前行业里对国产算力的验证多集中在中低参数或短序列场景，万亿参数加百万级长序列的组合此前没人跑通过。知乎
这条路线有清晰的台阶：今年 6 月发布的 LongCat-2.0 首次在国产算力上完成万亿参数模型的全流程训练与推理，7 月 6 日正式开源，摩尔线程等国产芯片厂商当天宣布完成适配；再往前，2025 年 9 月 1 日，美团发布并开源了 560B 参数的 LongCat-Flash，那是它的首个开源大模型。微博
工程细节同样值得普通用户看一眼：针对国产卡单卡显存不足 80GB 的限制，训练系统围绕超节点架构重新设计并行，长序列 SFT 任务的单卡吞吐较 DDP 基线提升 86%；推理侧采用 W4A4 方案，把专家权重和激活同时量化到 4 bit，线上压测中相对 W8A8 基线，prefill 和 decode 吞吐分别提升 43.3% 和 42.77%，TTFT 和 TPOT 分别降低 15.91% 和 19.72%。这些数字的实际含义是：1.6T 的模型能以相对低的成本在国产算力上跑起来、用起来。知乎
怎么用：API 当天可上，权重没开源是硬限制
开发侧，官网 longcat.ai 和 LongCat API 平台已同步上线，接口兼容 OpenAI 与 Anthropic 两种通行格式，能直接接进 Claude Code、Codex 等常用编程智能体工具，基本改个地址和模型名就能换上。官方发布福利是官网注册认证赠送 1000 万 tokens，老用户加赠 500 万，缓存命中不消耗赠送额度。另有开发者按平台页面整理，限时折扣价约每百万 token 输入 2 元、输出 8 元、缓存 0.04 元。知乎小红书哔哩哔哩
要留意：这一代权重没有随发布开源，官方口径是“稍后”放到 GitHub 和 Hugging Face，发布时点尚未放出。想自己部署的，眼下能用的仍是 MIT 协议开源的上一代 2.0。微博
LongCat-2.5 真正的看点，不是参数竞赛，而是把“把项目做完”变成国产模型可被检验的能力：官方数据已经在长程任务上逼近第一梯队，能不能真正兑现，要看第三方复测和真实项目的反馈。如果你主要做写代码、搭网页、跑多步骤 Agent 任务，可以拿自己的真实项目和常用模型同题对比一下；如果只是日常聊天写文案，差别未必明显。知乎
