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，总参数量达到 1.6 万亿，训练全程由国产算力完成。官方给出的评测坐标相当直白：多项主流基准的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测甚至超过后者。距离 6 月的 LongCat-2.0 才过去不到半年，龙猫团队这次把重心压在了原生视觉理解和智能体编程两处，顺带把国产算力上的训练效率又往前推了一大步。
从 2.0 到 2.5：不到半年补上两块板
先看迭代脉络。今年 6 月发布的 LongCat-2.0，首次在国产算力上完成了万亿参数模型的全流程训练与推理，随后以开源方式放出。9 月 25 日，LongCat-2.5-Preview 先行登陆 LongCat API 平台，彼时就已带上 100 万 token 上下文与原生图像理解，单次最大输出 12.8 万 token。这次的 2.5 正式版，等于把 Preview 阶段验证过的方向做实了。
两块补强的新板子里，视觉这块的思路是把图像信号表示成多层级离散 token，主干模型用统一的 token 形式同时处理视觉与文本输入，而不是在语言模型外挂一个视觉编码器。官方称这种原生视觉与智能体编程结合后，模型在 Visual Coding 上表现突出，还能承接创意设计、3D 之类的任务。编程这块则往长程走：长序列训练中加入了更多长程轨迹数据，配合大规模长程强化学习，去提升模型在复杂代码库开发、完整项目构建这类端到端工程任务中的表现。有个细节挺有意思，团队把真实智能体的失败轨迹也转化成可复现、可验证的训练任务，哪里短板就往哪里补数据。
单卡吞吐提升 86%：国产算力协同的细节
国产算力训练大模型绕不开的一个现实问题是单卡显存偏小，LongCat-2.5 的做法是跟国产算力厂商一起做协同优化：显存使用、卡间通信、计算与传输效率逐项压榨，并围绕超节点重新分配任务分工，让参数和任务数据的主要通信都走超节点内部的高速互联网络。训练侧，中训练阶段采用最长达 100 万 token 的序列做长上下文训练，累计训练量达到数万亿 token。
效果落在数字上：在所测的长上下文监督微调任务中，优化后的单卡训练吞吐较 DDP（分布式数据并行）基线提升 86%，相当于一张卡在同样时间里干完了原来约 1.86 张卡的活，效率接近翻倍。推理侧则采用 W4A4 量化方案，配合训推数值一致性和长上下文 rollout 优化，支撑大规模长程强化学习高效运转。对常年盯着英伟达集群的业界来说，这套在国产集群上磨出来的工程细节，可能比跑分本身更有参考价值。
介于 Opus 4.8 与 5 之间：成绩单怎么读
按官方评测，LongCat-2.5 在多项主流基准上的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测超过后者，整体对标国际成熟闭源模型和头部开源模型。具体项目上，智能体方向的进步最直观：Terminal Bench v2.1 从 2.0 的 70.8 涨到 88.4，AutomationBench 更是从 15.8 跳到 51.8，翻了三倍不止；BrowseComp 拿到 91.9，PaperBench 82.1，Vision2Web 78.6，3DCodeBench 55.4。
当然，这份成绩单也不是处处领先。官方自己放出的对比里，Program Bench 一项 LongCat-2.5 只拿到 25.5，距榜首的 37 还有不小的差距。另外要提醒一句，这些数字目前都出自美团自家评测，第三方尚未独立验证，实际水平如何，还得等开源权重和更多实测出来再说。
不做 Token 工厂：模型给主业打工
定位问题上，美团 CEO 王兴在 8 月 28 日的二季度财报电话会上说过一段被广泛引用的话：AI 能力的长期价值在于能否真正进入真实工作流、解决真实问题，「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，提升用户、商户体验和公司经营效率。」LongCat-2.5 也确实照着这个方向强化了商业分析、软件开发等能力。
对普通开发者来说，上手门槛不高：模型已上线 longcat.chat 可在线体验，API 同步开放，且兼容 Claude Code、Codex、Hermes 等主流智能体框架，OpenCode、Cline、Kilo Code 等工具的接入文档也已备好，换个接口地址就能把自己的工作流切过去试。GitHub 和 HuggingFace 的开源权重官方称即将上线，具体时间未定。
网友评论
消息出来后，社交平台上的讨论挺热闹，挑几条有代表性的：
- 「全程国产算力跑完万亿参数训练，还把吞吐优化到接近翻倍，这个工程能力是真有点东西的。」
- 「介于 Opus 4.8 和 5 之间这个说法就很灵性，反正上下都不沾，怎么讲都不亏，等第三方实测吧。」
- 「外卖公司做大模型是不是不务正业？人家说了不做 Token 工厂，模型先给自己送外卖的系统打工。」
- 「Preview 用了一个多月，写代码确实能打，就等 GitHub 上开源权重了，本地部署党蹲一个。」
总结
LongCat-2.5 这一代表明美团在走一条很务实的路线：不追训练集群的纸面规模，而是围绕国产算力的实际约束做深度协同优化，把单卡效率顶上去；能力上则聚焦智能体编程和原生视觉这些能直接进工作流的方向。对开发者来说，兼容主流框架加上即将开源的权重，意味着试用成本几乎为零，值得在自己项目的真实任务里跑一轮再下结论。至于「介于 Opus 4.8 与 5 之间」的官方定位是否经得起第三方复测、开源权重何时落地，是接下来最值得盯的两件事。
