美团 LongCat 团队正式开源了 LongCat-2.5 的模型权重,距离该模型首次亮相仅一周。这是一款总参数达 1.6 万亿、专为智能体任务设计的混合专家(MoE)模型,其训练全程基于中国本土芯片完成,官方提供的示例部署方案也完全围绕华为昇腾硬件展开,未提及英伟达 GPU。
从架构看,LongCat-2.5 每次处理一个 token 仅激活约 480 亿参数,在保持庞大知识容量的同时控制推理成本。通过 API,模型支持最高 100 万 token 的上下文窗口,单次可生成最长 12.8 万 token 的回复,并能理解文本、图像和视频,输出为文本,用户可切换是否开启推理模式。
多模态方面,LongCat-2.5 在前代 LongCat-2.0 基础上增加了图像理解能力。与一些“事后拼接”独立图像编码器的方案不同,该模型将图像按原生分辨率拆解为离散 token,与文本 token 一同处理,这一思路源自研究模型 LongCat-Next,旨在提升视觉编程、设计和 3D 任务的表现。
训练方法上,团队利用 GitHub 真实拉取请求构建软件任务,并复现智能体失败案例用于强化学习。为防止模型“走捷径”,训练环境切断了互联网访问、移除了 Git 历史与缓存文件,并引入语言模型检查解决方案是否作弊。此外,团队还将多个专精于智能体、推理和对话的教师模型能力蒸馏进 LongCat-2.5。
硬件适配是本次发布的一大看点。美团将专家权重与激活值量化为 4 位精度,这一格式可被中国芯片原生处理。负载测试显示,相比 8 位版本,提示处理吞吐量提升 43.3%,回复生成吞吐量提升 42.77%,且精度与未压缩模型持平。自托管指南描述了一个由 194 颗华为昇腾 Atlas A2 系列加速器组成的集群:2 颗负责图像处理,64 颗负责提示摄入,128 颗负责回复生成。指南中没有针对英伟达 GPU 的配置说明。
基准测试呈现了喜忧参半的画面。在衡量命令行任务解决能力的 Terminal Bench v2.1 上,LongCat-2.5 得分 88.4,略低于 Claude Opus 5 的 89.1 和 GPT-5.6 Sol 的 88.8,落后于榜首 Deepseek-V4.1-Flash 的 90.6。在测试真实代码库缺陷修复的 DeepSWE 上,LongCat-2.5 从上一代的 9.7 分跃升至 64.6 分,但仍落后于 Deepseek-V4.1-Flash 的 74.2 和 GPT-5.6 Sol 的 72.7,仅高于 Claude Opus 4.8。在更难的 Terminal Bench v4.0 上,LongCat-2.5 得 38.5 分,略高于 GPT-5.6 Sol 的 37.3,但明显低于 Opus 5 的 53.9。网页搜索基准 BrowseComp 上,该模型拿下 91.9 分,为表格中最高,不过该测试在美团自有环境中运行。
美团以 MIT 许可证发布权重,允许商业使用、修改和再分发。用户也可在 longcat.ai 的聊天界面直接试用。API 同时兼容 OpenAI 与 Anthropic 格式,可接入 Claude Code、Codex、Hermes 等智能体框架。发布期定价为限时促销:每百万输入 token 约 0.27 欧元,每百万输出 token 约 1.07 欧元。
值得放在更大背景下看的是,美团透露前代 LongCat-2.0 于去年 6 月底完全在一个由超过 5 万颗中国 AI 芯片组成的集群上训练完成,此前曾以“Owl Alpha”匿名现身 OpenRouter。当前,Kimi K3.1、GLM-5.3 等中国开源权重模型在常见基准上已大体追平美国顶尖模型,而从一开始就针对中国芯片优化的开源模型,正让这类硬件在中国以外市场也更具吸引力。除多模态智能体外,美团还在图像生成方向布局,此前曾发布仅 60 亿参数、主打效率的开源文生图模型 LongCat-Image。