美團 LongCat 團隊正式開源了 LongCat-2.5 的模型權重,距離該模型首次亮相僅一週。這是一款總引數達 1.6 萬億、專為智慧體任務設計的混合專家(MoE)模型,其訓練全程基於中國本土晶片完成,官方提供的示例部署方案也完全圍繞華為昇騰硬體展開,未提及輝達 GPU。

從架構看,LongCat-2.5 每次處理一個 token 僅啟用約 480 億引數,在保持龐大知識容量的同時控制推理成本。通過 API,模型支援最高 100 萬 token 的上下文視窗,單次可生成最長 12.8 萬 token 的回覆,並能理解文本、影像和影片,輸出為文本,使用者可切換是否開啟推理模式。

多模態方面,LongCat-2.5 在前代 LongCat-2.0 基礎上增加了影像理解能力。與一些“事後拼接”獨立影像編碼器的方案不同,該模型將影像按原生解析度拆解為離散 token,與文本 token 一同處理,這一思路源自研究模型 LongCat-Next,旨在提升視覺程式設計、設計和 3D 任務的表現。

訓練方法上,團隊利用 GitHub 真實拉取請求構建軟體任務,並復現智慧體失敗案例用於強化學習。為防止模型“走捷徑”,訓練環境切斷了網際網路訪問、移除了 Git 歷史與快取檔案,並引入語言模型檢查解決方案是否作弊。此外,團隊還將多個專精於智慧體、推理和對話的教師模型能力蒸餾進 LongCat-2.5。

硬體適配是本次釋出的一大看點。美團將專家權重與啟用值量化為 4 位精度,這一格式可被中國晶片原生處理。負載測試顯示,相比 8 位版本,提示處理吞吐量提升 43.3%,回覆生成吞吐量提升 42.77%,且精度與未壓縮模型持平。自託管指南描述了一個由 194 顆華為昇騰 Atlas A2 系列加速器組成的叢集:2 顆負責影像處理,64 顆負責提示攝入,128 顆負責回覆生成。指南中沒有針對輝達 GPU 的配置說明。

基準測試呈現了喜憂參半的畫面。在衡量命令列任務解決能力的 Terminal Bench v2.1 上,LongCat-2.5 得分 88.4,略低於 Claude Opus 5 的 89.1 和 GPT-5.6 Sol 的 88.8,落後於榜首 Deepseek-V4.1-Flash 的 90.6。在測試真實程式碼庫缺陷修復的 DeepSWE 上,LongCat-2.5 從上一代的 9.7 分躍升至 64.6 分,但仍落後於 Deepseek-V4.1-Flash 的 74.2 和 GPT-5.6 Sol 的 72.7,僅高於 Claude Opus 4.8。在更難的 Terminal Bench v4.0 上,LongCat-2.5 得 38.5 分,略高於 GPT-5.6 Sol 的 37.3,但明顯低於 Opus 5 的 53.9。網頁搜尋基準 BrowseComp 上,該模型拿下 91.9 分,為表格中最高,不過該測試在美團自有環境中執行。

美團以 MIT 許可證釋出權重,允許商業使用、修改和再分發。使用者也可在 longcat.ai 的聊天介面直接試用。API 同時相容 OpenAI 與 Anthropic 格式,可接入 Claude Code、Codex、Hermes 等智慧體框架。釋出期定價為限時促銷:每百萬輸入 token 約 0.27 歐元,每百萬輸出 token 約 1.07 歐元。

值得放在更大背景下看的是,美團透露前代 LongCat-2.0 於去年 6 月底完全在一個由超過 5 萬顆中國 AI 晶片組成的叢集上訓練完成,此前曾以“Owl Alpha”匿名現身 OpenRouter。當前,Kimi K3.1、GLM-5.3 等中國開源權重模型在常見基準上已大體追平美國頂尖模型,而從一開始就針對中國晶片最佳化的開源模型,正讓這類硬體在中國以外市場也更具吸引力。除多模態智慧體外,美團還在影像生成方向佈局,此前曾釋出僅 60 億引數、主打效率的開源文生圖模型 LongCat-Image。