11月2日，美团正式发布新一代大模型LongCat-2.5。这是一款面向长程智能体任务的原生多模态模型，总参数量1.6万亿，每个token激活约480亿参数，训练全程由国产算力完成。继6月LongCat-2.0首次在国产算力上跑通万亿参数模型全流程训练与推理后，2.5版本进一步强化了原生视觉理解与智能体编程能力。
原生多模态：视觉与文本统一处理
LongCat-2.5将视觉信号表示为多层级离散token，让主干模型以统一的token形式处理视觉与文本输入。这意味着它不再需要额外的视觉编码分支，而是原生理解图片、界面与文档，在Visual Coding任务上表现出色，并支持创意设计和3D等任务。
围绕数据合成、环境构建与跨Harness混合训练，团队持续扩展训练链路，还把真实Agent的失败轨迹转化为可复现、可验证的训练任务，针对能力短板不断补充数据。在复杂代码库开发、完整项目构建等端到端工程任务上，模型表现明显提升。这种”用真实任务反哺训练”的做法，让模型在工程场景的适应能力不断增强。
国产算力上的工程突破
针对国产算力单卡显存小的挑战，美团围绕超节点优化任务分工，让参数与任务数据的主要通信在超节点内的高速互联网络中完成。在长上下文监督微调任务中，优化后的单卡训练吞吐量较DDP基线提升86%，相当于一张卡完成原来约1.86张卡的工作量。
推理侧采用W4A4方案，将专家权重和激活同时量化至4比特。线上压测显示，相较W8A8 INT8基线，输入处理和逐token生成的吞吐量均提升约四成，首次输出等待时间缩短约16%，后续每个token的生成耗时缩短约20%。
基准成绩与落地
在AutomationBench中，LongCat-2.5拿到51.8分，高于Claude-Opus-5的50.3分；BrowseComp得分91.9位列第一。多项主流基准评测的成绩介于Claude-Opus-4.8与Claude-Opus-5之间，部分评测甚至超过Claude-Opus-5。用户可在官网longcat.ai体验，开发者可通过同步上线的API调用模型。
在3DCodeBench的文本生成三维内容任务中，LongCat-2.5同样表现亮眼。这得益于视觉token化与智能体编程能力的深度融合：模型不仅能”看懂”设计稿，还能直接生成可运行的交互页面与3D展示场景，把多模态理解转化为实际的工程产出。对开发者来说，这意味着一个更完整的智能体工作流——从读需求、写代码到验证交付，都可以在模型辅助下闭环完成。
基于LongCat系列，美团还推出了AI经营工作台”妙手”，帮助本地生活商家理解行业指标与品牌规则，并在授权范围内调用工具完成经营任务。从2.0到2.5，国产智能体大模型正在用真实任务表现证明，与国际顶尖产品的差距正在快速缩小。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
