美团发布 LongCat-2.5 的权重,这是一个为 AI 智能体打造的 1.6 万亿参数模型。它完全在中国硬件上训练,在编程基准测试上的表现达到了 Claude Opus 5 等美国模型几个月前的水平。
中国外卖公司美团旗下的 LongCat 团队发布了 LongCat-2.5 的权重,距离该模型正式亮相仅一周。LongCat-2.5 专为能够自主完成长链条、多步骤任务的智能体打造,尤其是编程任务。据美团称,它在多项基准测试上接近西方顶尖模型。
LongCat-2.5 是一个混合专家模型,在处理每个 token 时只激活其专用子网络中的一部分。在 1.6 万亿总参数中,每个 token 约有 480 亿参数处于激活状态。通过 API,该模型一次最多可处理 100 万个 token,生成的回复最长可达 128,000 个 token。它能理解文本、图像和视频,以文本形式回复,并允许用户开启或关闭推理功能。
LongCat-2.5 将图像转换为 token
LongCat-2.5 建立在其前代 LongCat-2.0 的基础之上并新增了图像理解能力。许多多模态模型是在事后外挂一个独立的图像编码器。LongCat-2.5 则不同,它将图像转换为 token,由模型与文本一同处理,这也是当今大语言模型的标准做法。该方法借鉴了研究模型 LongCat-Next,旨在提升视觉编程、设计和 3D 任务的表现。

在强化学习方面,团队使用了来自 GitHub 拉取请求的真实软件任务,以及复现的智能体失败案例。为确保模型在训练中真正解决了任务,开发者在训练环境中屏蔽了互联网访问,移除了 Git 历史和缓存文件,并让一个语言模型检查其解法是否存在取巧行为。团队还将多个专攻智能体工作、推理和对话的教师模型的能力蒸馏进了 LongCat-2.5。

一个示例部署运行在 194 颗华为芯片上
美团将专家的权重和激活量化为 4 位精度,中国芯片可以原生处理。在美团的负载测试中,与 8 位版本相比,提示处理的吞吐量提升了 43.3%,响应生成提升了 42.77%。美团表示准确率与未压缩模型持平。
此版本可在单独的仓库中获取。自托管指南描述了一个由 194 颗华为昇腾加速器组成的集群,来自 Atlas A2 系列。其中两颗负责图像处理,64 颗负责提示摄入,128 颗负责响应生成。没有针对 Nvidia GPU 的指导。
LongCat-2.5 在终端任务上略逊于 Opus 5
LongCat 团队报告在 Terminal Bench v2.1 上获得 88.4 分,该基准测试衡量智能体解决命令行任务的能力。美团列出Claude Opus 5为 89.1,GPT-5.6 Sol为 88.8,Deepseek-V4.1-Flash以 90.6 位居榜首。
DeepSWE 测试模型在真实代码仓库中修复缺陷的能力。在这里 LongCat-2.5 从 9.7 分跃升至 64.6 分,在表中除Claude Opus 4.8之外落后于所有其他模型,Deepseek-V4.1-Flash 以 74.2 领先,GPT-5.6 Sol 为 72.7。较新的Claude Opus 5.5和GPT-6.1 Sol未列入表中。

更难变体的 Terminal Bench v4.0 将 LongCat-2.5 置于 38.5 分,略高于 GPT-5.6 Sol 的 37.3,但远低于 Opus 5 的 53.9。该模型在网络搜索基准测试 BrowseComp 上获得 91.9 分,为表中最高分,不过美团是在自己的环境中运行了这项测试。
权重已开放获取,采用 MIT 许可证,允许商业使用、修改和再分发。用户还可以在聊天界面中试用 LongCat-2.5:https://longcat.ai/其 API 同时支持 OpenAI 和 Anthropic 两种格式,并可接入 Claude Code、Codex 和 Hermes 等智能体框架。上线时,美团提供限时优惠价,约合每百万输入 token 0.27 欧元、每百万输出 token 1.07 欧元。
美团称其在 6 月下旬训练了前代 LongCat-2.0完全在一套由超过 5 万颗中国 AI 芯片组成的集群上完成。在此之前,该模型以“Owl Alpha”的匿名身份在 OpenRouter 上运行。像Kimi K3.1和GLM-5.3这样的中国开源权重模型,在常见基准测试上已基本追平美国顶级模型。
从一开始就针对中国芯片优化的开源权重模型,让这类硬件在中国以外也更具吸引力。除多模态智能体模型外,美团还在研发图像生成器。该公司此前发布了 LongCat-Image,这是一个开源文生图模型仅用 60 亿参数即可运行,并且优先考虑效率而非单纯的模型规模。