美团LongCat-2.5开源：1.6万亿参数，四项测试登顶

智东西11月10日消息，美团LongCat团队于昨晚将原生多模态模型LongCat-2.5正式开源。OpenCode公开数据显示，到今日上午12时，该模型在该平台累计消耗Token约1090亿，独立用户约4700名，会话次数约5万次。

LongCat-2.5在OpenCode上的公开数据（图源：OpenCode）

这款模型总参数量达1.6万亿，以MIT协议开放，商用推理部署和二次训练都不需要再申请额外授权。

X平台上有网友评价，参数规模这么大的模型却选了相对宽松的MIT协议，对开发者而言是个好消息。

一位开发者的评论（图源：X）

开源当日，AI编程工具OpenCode同步放出消息：LongCat-2.5在该平台限时免费两周，具备多模态能力和百万Token上下文，免费通道每天限100次请求。

美团公布的完整评测表里，LongCat-2.5与Claude Opus 5、GPT-5.6-Sol、GLM-5.3、Kimi K3、DeepSeek-V4.1-Flash等9款模型同台，测试项目共31项。

其中四项评测由LongCat-2.5拿下第一：联网检索测试BrowseComp得91.9分，跨领域智能体测试ALE v1.1得38.5分，深度研究测试ResearchRubrics得81.0分，文字生成3D代码测试3DCodeBench得55.4分。在9款模型已公布的成绩中，这四项均排首位。

LongCat-2.5与其他8款模型的完整评测表（图源：美团）

LongCat-2.5在11月2日正式发布，主打复杂代码库开发、完整项目构建、视觉编程、专业办公等长程任务。其总参数1.6万亿，每个Token激活约480亿参数，上下文长度支持100万Token。

发布之后，开发者陆续贴出3D小店、水族馆、游戏、经营分析网站等作品，美团在开源公告中挑了一批演示。从演示画面看，生成的3D场景光照和动态效果比较丰富，网站也基本把经营需要的功能做了出来。

这次放出的资源包括模型权重和W4A4量化版本。美团还附上了基于SGLang-FluentLLM项目的NPU部署说明，方便开发者在国产算力上跑这个模型。

LongCat-2.5开源主页（图源：Hugging Face）

更早之前，美国AI研究机构Nous Research已通过旗下模型服务平台Nous Portal提供一周免费体验。LongCat官方平台也给出了Claude Code、Codex、OpenCode、Hermes等工具的接入说明。

API定价上，LongCat-2.5眼下限时优惠为每百万Token输入2元、输出8元，缓存命中输入0.04元，比前面参与评测的四款海外模型低不少。

不过放到国产模型里比，价格优势就没那么明显了。DeepSeek-V4.1-Flash在26项可比测试中有14项得分超过LongCat-2.5；其更新版Flash-1017高峰价格与LongCat-2.5持平，空闲时段还便宜一半。

与总参数同为1.6万亿的DeepSeek V4-Pro-0813相比，LongCat-2.5三项单价都更低。

LongCat-2.5与DeepSeek两款模型的API价格对比（数据来源：各厂商官方价格页，智东西制表）

开源地址：
https://huggingface.co/meituan-longcat/LongCat-2.5

量化版本：
https://huggingface.co/meituan-longcat/LongCat-2.5-W4A4

一、开发者晒出实测作品，搭建可交互3D场景、经营分析网站

开发者晒出的案例里，LongCat-2.5已能做出较为完整的3D场景，视角切换、角色操控等交互功能也能实现。还有人拿它搭经营分析网站，把交易明细、退款、经营损失等信息收进同一套工具。

视觉编程方向上，科技博主cxuanAI用水族馆做了演示，视角可切换，由LongCat-2.5生成。画面开始是游客在展厅里看水族箱的视角，玻璃前留着游客剪影，水中有

视角沉入水下后，鱼群在岩石与水草间聚拢又散开，鲸鲨从镜头旁游过。页面右侧设有控制面板，演示者可调整观察视角与光照。cxuanAI制作的水族馆页面（视频来源：公众号）

看画面，蓝绿色调、顶部透下的光线、远近错落的鱼群一起撑起水下纵深感。切换视角后，岩石、水草和海洋生物的风格依旧统一，场景整体感不错。

游戏方向，开发者AI异类弗兰克拿LongCat-2.5做了一款多场景打斗游戏。镜头是斜俯视，雨夜村落里石板路两侧排着青瓦房、暖黄窗光和红灯笼。角色穿行街巷，和成群敌人交手，攻击时带出环形特效。战斗往后推进，页面会跳出“武学参悟”界面，让玩家挑新的武学技能。

据AI异类弗兰克说，模型产出的游戏前端设计与动态交互效果让他比较满意。水墨武侠那款游戏互动顺滑自然，加上多场景打斗和武侠技能之后，玩法也更丰富。

办公场景这边，开发者路人甲TM亮出一套电商经营分析网站，同样由LongCat-2.5生成。总览页面摆出经营结余以及收入、支出的变化，另外还分了交易明细、退款分析、损失分析等页面。

演示时，操作者点开交易记录的分类修改弹窗，又在几个页面之间来回切，看退款分布和经营损失怎么构成。总览指标、交易明细、专项分析分层铺开，图表和对应数据搁在同一页，使用者查看经营结果和具体收支项目都方便。

不过X上也有用户反映，LongCat-2.5正式版依旧会循环推理。一位开发者觉得，模型能调取已有知识、推理也算周全，问题是有时会反复绕圈，冒出冗余内容，拖累执行效率。

▲一位开发者对LongCat-2.5循环推理问题的反馈（图源：X）

二、多项技术能力升级，国产算力微调吞吐提升86%，推理吞吐提升约43%

LongCat-2.5的技术设计覆盖视觉表征、大规模智能体强化学习、多专家在线教学等几块，各自对应多模态信息处理、长程任务执行以及不同领域能力的融合。

先说视觉编程与3D任务。模型对图像原生分辨率特征做残差向量量化，产出多层级离散Token，再和文本Token一道送进主干模型。视觉Token的嵌入表示与主干模型联合训练，视觉理解和代码生成因此能结合到一起。

训练阶段，固定的视觉分词器可以预先生成并缓存视觉Token，主干模型直接读处理好的序列，在线视觉计算随之减少，长序列的打包、切分和负载分配也简化了。

▲不同分辨率的图像被编码为离散Token序列（图源：美团）

再看代码开发与长程智能体任务。团队从训练数据、强化学习调度、行为约束几个方面把训练链路拉长，真实智能体失败的过场被转成可复现、可验证的训练任务。

强化学习采样时，系统把没跑完的长任务轨迹存下来，后面的采样阶段接着恢复执行；跨模型检查点生成的旧轨迹，则靠调整梯度贡献压低样本陈旧带来的偏差。任务环境还会断网、清掉Git历史和文件缓存，训练中对重复思考、重复调用工具这类行为加了约束。

终端操作测试Terminal Bench v4.0里，LongCat-2.5拿到38.5分，上一代是3.0分。

▲LongCat-2.5从多个环节扩展长程任务训练（图源：美团）

第三块是专业办公与商业分析。多专家在线教学机制继续沿用：学生模型在各个领域任务里生成回答，再按领域专家与学生模型输出概率分布的差异来训练，Agent、推理和交互能力就这样融进主线模型。

▲多专家在线教学流程（图源：美团）

长回复训练容易分布偏移，团队的办法是把教师回复按固定长度切开，同时限制学生采样长度；共享输入处理的计算与缓存、引入Tree Attention，同组样本的重复计算和存储开销都降了下来。

多专家在线教学和长程强化学习这些设计，最终都落在材料处理、分析和交付任务上。职业任务测试JobBench中，LongCat-2.5得65.4分，上一代44.4分，涨了21分。

国产算力上的训练与推理效率也做了优化。所用国产AI加速器单卡显存不到80GB，团队用多卡分片分摊显存压力，参数聚合、专家间Token交换等通信都安排在超节点内的高带宽互联范围，通信和计算重叠着跑。长序列监督微调任务中，按上述优化配好的FSDP配置，单卡吞吐量比DDP基线高86%。

▲LongCat-2.5长上下文训练中的参数与状态分片布局（图源：美团）

推理侧，这次开放的W4A4版本把专家权重和激活值一起量化到4比特。对照W8A8 INT8基线，线上压测的预填充、解码吞吐量分别提升43.3%和42.77%，万亿参数模型部署多了一层效率支撑。

结语：大厂加码编程与办公，价格与部署影响开发者选择

LongCat-2.5在LongCat-2.0基础上又往前走了一步，重点压在视觉编程、长程任务执行和专业办公上。权重和量化版本这次一并开放，想自行部署、继续训练的团队多了个新选项。

编程和办公，同样是今年其他大厂持续加码的赛道。阿里在8月12日放出了Qwen3.8旗舰模型的权重，主打代码开发、专业工作以及长程智能体任务；腾讯则在11月4日推出Hy4，第一次把视觉理解和电脑操作能力带了进来，并已上线WorkBuddy、CodeBuddy等产品。

任务范围越来越接近，开发者挑模型时，价格、部署门槛和生态适配的分量就变得更直接。美团这次给出单价较低的API服务，同时宣布开放权重，对做网站、办公工具和业务智能体的团队来说，算是多了一个性价比不错的新选择。