LongCat-2.5 是美团在 2026 年 11 月 2 日发布的新一代大模型：总参数 1.6 万亿、每个 token 约激活 480 亿参数，原生支持多模态，主打长程智能体任务和 AI 编程，训练全程用国产算力完成。现在已经可以在官网 longcat.ai 体验，开发者也能直接调 API。
LongCat-2.5 是什么
LongCat 是美团自研的大模型系列。今年 6 月美团发布了 LongCat-2.0，当时第一次在国产算力上完成万亿参数模型的全流程训练和推理。LongCat-2.5 在 2.0 的基础上做了三件事：
- 原生多模态 ：把图片等视觉输入转成模型统一处理的 token，能做交互网页、3D 展示页这类「看图写代码」的任务。
- 智能体编程 ：用大规模长程强化学习训练端到端工程任务，并把真实智能体遇到的失败整理成可复现的训练任务，补模型短板。
- 长上下文 ：中训练阶段用最长 1M token 的序列做长上下文训练，累计训练量达数万亿 token。
按 TechNode 的报道，模型已经上线美团的在线对话服务和 API 平台，GitHub 和 Hugging Face 的发布会随后跟进，也就是说权重有望开放，但具体时间官方还没给。
LongCat-2.5 跑分怎么样
美团官方的说法是：在多项主流基准评测中，LongCat-2.5 的成绩介于 Claude-Opus-4.8 和 Claude-Opus-5 之间，部分评测超过 Claude-Opus-5。
从官方这张图里能读出几个具体数字：
- 通用智能体 ：AutomationBench 51.8（Claude-Opus-5 为 50.3），BrowseComp 91.9（Claude-Opus-5 为 90.8），这两项排第一。
- 代码智能体 ：Terminal Bench v2.1 为 88.4，略低于 Claude-Opus-5 的 89.1；Program Bench 25.5，和 Claude-Opus-5 的 37 还有明显差距。
- 视觉智能体 ：3DCodeBench（文字转 3D）55.4 排第一，Vision2Web 78.6 排第二。
需要注意两点：一是这些都是美团自己公布的成绩，不是第三方独立测试；二是对比对象里 OpenAI 用的是 GPT-5.6-Sol 和 GPT-5.5，并没有放最新的 GPT-6 系列。所以更准确的理解是：LongCat-2.5 在智能体类任务上已经接近国际一线闭源模型，但在纯编程难题上还没追平 Claude-Opus-5。
「国模国芯」：国产算力上的训练与推理优化
这次发布最大的看点其实是算力。国产加速卡单卡显存偏小，长序列训练时显存和卡间通信很容易成为瓶颈。美团的做法是围绕超节点重新分工，让参数和数据的主要通信留在超节点内部的高速互联里完成。
官方技术博客给出的效果：
- 长上下文监督微调任务中，单卡训练吞吐量比 DDP（分布式数据并行）基线提升 86%，相当于一张卡干了原来约 1.86 张卡的活。
- 推理采用 W4A4 方案，专家权重和激活都量化到 4 比特。和 W8A8 INT8 基线相比，输入处理和生成吞吐量都提升约四成，首字等待时间缩短约 16%，每个 token 的生成耗时缩短约 20%。
对开发者来说，推理成本下降最终通常会体现在 API 价格上。国产模型这半年的价格变化可以参考本站之前的 DeepSeek-V4-Flash 涨价与调用量分析 。
落地场景：给商家用的 AI 经营工作台「妙手」
美团 CEO 王兴在 8 月的财报电话会上说过：「我们不会成为 Token 工厂，我们的模型和 AI 产品将用于支持我们的主业。」LongCat-2.5 也延续了这个思路，重点加强了商业分析和软件开发能力。
技术博客里举了一个例子：模型自主搭建品牌的渠道利润表，发现「支付 GMV 增长 23.2%，但渠道利润下降 1.7%」这种增长质量问题，再结合清货价值、复购和库存风险给出资源配置建议。基于 LongCat 的「妙手」目前已服务古茗、徐升记、益禾堂等连锁品牌。
怎么体验 LongCat-2.5
- 网页体验 ：打开官网 longcat.ai，直接对话。
- API 调用 ：官方称 API 与模型同步上线，适合想把它接进 Claude Code、Codex 这类编程工具做对比测试的开发者。接入第三方模型的通用方法可以参考 Claude Code settings.json 配置详解 。
- 开源权重 ：GitHub 和 Hugging Face 版本「随后发布」，具体日期待官方公布。
点评
最近一周大模型发布很密集：Google 刚推出面向长程工程任务的 Gemini 4 Carbon，OpenAI 的 GPT-6.1 Terra 也上了 Amazon Bedrock。LongCat-2.5 的差异点不在单项最强，而在于证明了万亿参数、原生多模态的模型可以完全在国产算力上训练并高效推理。如果后续开源权重如期放出，它会是国内开发者做智能体和 AI 编程时值得加进对比清单的一个选择。
