美团LongCat-2.5发布：1.6万亿参数，原生多模态专攻长程Agent

美团LongCat团队11月2日推出LongCat-2.5，这是一款面向长程智能体任务的原生多模态模型。

模型总参数量1.6万亿，每个Token激活约480亿参数。它建立在LongCat-2.0之上，这回把力气主要花在原生视觉理解和智能体编程两方面。

美团公布了多项基准测评结果。在自动化任务基准AutomationBench、通用Agent任务基准LongCatClawBench等几项测试里，LongCat-2.5的成绩都压过Claude-Opus-5、GPT-5.6-Sol等模型。终端操作基准Terminal Bench v4.0上，它拿到38.5分，高于GPT-5.6-Sol，可还是没追上Claude-Opus-5。

长序列训练阶段，LongCat-2.5喂进了更多长程轨迹数据，又做了大规模长程强化学习，为的是提升复杂代码库开发、完整项目构建这类任务的端到端工程能力。视觉信号则被转成多层级离散Token，视觉和文本输入交给同一个主干模型统一处理，视觉编程（Visual Coding）、创意设计、3D内容生成也因此得到支持。

国产加速器单卡显存不到80GB，这是个硬约束。LongCat-2.5围绕超节点重新排布FSDP、EP、CP并行度，再叠上混合词表并行、MoonEP动态专家复制和双重分片FSDP，并把视觉编码移出训练计算图。据LongCat称，这套FSDP配置在长序列SFT任务中，单卡吞吐量比DDP基线高出86%。

模型发布后，智东西第一时间实测了视觉编程和办公任务。生成速度挺快，编程和视觉理解表现不错：前端视觉效果拿得出手，PPT图表也丰富。但画面细节、空间与图层关系还有提升余地，PPT排版同样可以再打磨。

第一个测试是让模型做一段“鹈鹕骑自行车”的HTML动画。LongCat-2.5交出的动画完成度较高，主体突出，风格统一，细节也不少。只是鹈鹕的围巾有点歪，画面细节仍有改进空间。

接着又让它解读亚马逊第三季度财报，并据此生成一份带图表的PPT。

LongCat-2.5搭出来的分析框架相当完整，趋势图、结构图和风险提示配得比较自然，还依据财报给出了投资亮点和风险提示。初步比对下来，没发现数据错误。问题在于部分页面信息密度偏高、有些文本字号偏小，个别结论下得略绝对，排版还能再调。

API接入：

在线体验：

https://longcat.chat

一、动画自然可交互，任务场景覆盖软件开发与专业办公

https://longcat.chat/platform/product

LongCat官方团队也放出了几个案例，主要展示模型在软件开发和专业办公上的本事。

软件开发这块，模型能生成实时流体模拟与视觉特效工具，做出带高帧率流体动画的交互式网页。用户在界面上点击或拖拽，就能看到墨水流动的动画。

它也能开发3D文物展示页面。模型把WebGL渲染和前端交互技术结合起来，做出了三星堆青铜神树的3D模型，用户可以旋转、缩放、双击聚焦，从不同视角观看文物，还能展开文物信息面板。

创意设计和3D场景生成方面，模型可以搭城市沙盘、微缩旋转木马场景和中国传统色彩主题网页，从视觉风格提取、页面布局到交互实现，整套流程都能走完。

办公场景里，LongCat-2.5能整合多渠道经营数据，梳理数据口径、算出真实利润，再按业务目标分析经营表现和投入产出，给出营销、供货、库存与预算配置建议。

它还能分析客户反馈，找出重复问题和后续更新事项，按问题严重程度、紧迫性与业务目标排序，生成一份可点击查看原始反馈的交互式HTML报告。

另外，用户上传场地照片、用自然语言提需求，模型就能生成活动邀请网页，里面带报名、名单查看和表格导出功能。

二、1.6万亿参数，视觉与文本统一为离散Token

LongCat-2.5走的是原生多模态路线，不同分辨率的图像先被编码成离散Token序列，随后和文本Token一起送进主干模型。

视觉编码这一环，LongCat-2.5沿用了LongCat-Next的做法：先由语义对齐编码器（SAE）产出原生分辨率特征，再用残差向量量化RVQ把视觉信息压成多层级词表Token，以此减轻视觉离散化带来的信息损失。

模型还加了离线视觉Token预处理机制。固定tokenizer可预先产出并缓存视觉TokenID，主干模型直接读取处理好的序列，长序列的打包与切分因此简化，分布式训练时不同任务间的负载均衡也得到改善。

据LongCat团队介绍，视觉码本Embedding与主干模型是联合学习的。在平均激活参数约30亿的较小规模MoE模型上，t-SNE可视化结果显示视觉与文本Embedding呈交织分布，两类信号已在共享语义空间中开始融合。

三、GitHub PR自动生成可交互环境，长程Agentic RL提升端到端工程

围绕长程Agent任务，LongCat-2.5搭起了一条完整的Agentic RL训练链路，数据、环境、算法和Harness都在其中。

数据方面，LongCat团队从GitHub公开仓库和内部真实场景中收集代码任务，对筛选后的PR及其关联issue自动生成可交互环境和可验证测试用例，再用fail-to-pass和pass-to-pass测试判断任务是否有效。

RL训练时，模型实时的rollout轨迹和任务通过率会被拿来做二次数据标注与筛选。团队还依据假阴性、假阳性分析，不断修正并扩充F2P测试用例，让测试对任务功能描述的覆盖更全，验证信号也更准。

长程任务里有些轨迹耗时过长，LongCat-2.5为此采用partial rollout异步训练策略：每个RL step维持一定过采样率，批次凑齐后先暂停未完成的轨迹，下一轮采样时再恢复。系统按任务通过率动态调整过采样率，同时把全对或全错的零梯度样本组过滤掉，保证训练中始终有有效梯度。

同一条轨迹里的Token可能出自不同的历史checkpoint，样本陈旧性问题随之而来。LongCat-2.5的做法是裁剪采样阶段与当前训练阶段之间的Logprob差异，再按历史累计差异调整每个Token的梯度贡献，把陈旧样本带来的梯度偏置压下去。

奖励设计上，模型通过断网、清除git历史和文件缓存等手段限制投机行为，并引入LLM judge对完整轨迹进行监督。遇到重复思考、重复调用工具等行为，系统会额外惩罚；至于过度思考和思考长度增长过快，则靠重新分配正样本Reward来抑制。

LongCat团队还采用跨任务、跨Scaffold的混合训练方式，让模型能适应近似任务和不同的Harness。冷启动阶段只覆盖少量适配用例，这种训练方式则能进一步提升模型在不同任务环境中的泛化能力。

四、专家组机制覆盖Agent、推理与交互能力

为了让不同领域的能力融进主线模型，LongCat-2.5延续了LongCat-2.0的专家组机制，分别打磨Agent能力、推理能力和交互体验，多轮任务执行、单轮推理、细粒度指令遵循以及安全防御等场景都有覆盖。

MOPD训练中，学生模型会在不同领域任务上在线采样，领域专家则依据学生采样结果的全词表KL散度对学生模型进行训练。

为减小教师轨迹与学生采样之间的分布偏移，LongCat-2.5把教师每轮回复按固定长度切成per-cut prefix，并将学生模型的自采样长度限制在相应范围内。训练时，同一教师轨迹的多个Prefix会分组送入同一推理引擎，共享Prefill计算和KV Cache。

LongCat团队还把教师轨迹当作树干、学生采样结果当作分支，构建出训练树，配合Tree Attention，一次前向和反向计算就完成同组样本的OPD训练，教师轨迹带来的重复计算与存储开销因此减少。

五、围绕超节点架构重新设计并行策略，单卡吞吐量较基线提升86%

LongCat-2.5在预训练和监督微调阶段都采用长序列训练。国产AI加速器单卡显存不到80GB，训练系统据此围绕超节点架构重新设计了并行策略。

并行组按超节点拓扑来配置：FSDP和EP的并行度都与单个超节点的卡数一致，CP并行度不超过该卡数，这样参数AllGather、专家TokenAlltoAll和KVAllGather尽量都在超节点内部的高带宽互联域里完成。

系统还借助混合词表并行，对基础词嵌入层、LMHead和N-gram嵌入层做分片，显存占用进一步下降。大规模专家并行容易出现负载不均衡，LongCat-2.5基于MoonEP引入阈值触发的动态专家复制机制，只在负载不均衡达到预设阈值时才启用复制，在通信成本和负载收益之间取平衡。

图像Token提前生成后，训练计算图里不再包含视觉编码器。系统能按已知的图像Token数量，提前估算数据打包和打散时的多模态负载比例，让不同数据并行Rank上的模态占比更接近。

LongCat-2.5还引入双重分片FSDP：模型参数在超节点内的FSDP域中分片，FP32主权重和优化器状态则通过HSDP副本跨FSDP域进一步分片，参数通信效率得以保持，常驻显存也降了下来。系统还通过批量执行梯度操作、合并指标归约、CPU 绑核和 NUMA 感知调度，压低主机侧开销。

按LongCat的说法，做完这些优化后，该FSDP配置用在长序列SFT任务上，单卡吞吐量比DDP基线高出86%。

结语：原生多模态模型开始向长程工程执行推进

看LongCat-2.5的技术路线，升级重心已不再是单纯堆参数规模，而是转向视觉统一建模、长程Agent训练、训推一致性以及国产算力适配这类系统工程。

复杂代码库开发、3D页面生成、多轮工具调用这些任务里，模型能不能持续执行、核验结果、再依据失败轨迹调整策略，会成为衡量Agent能力的一项关键指标。LongCat-2.5把原生视觉理解与长程Agent训练放在一起，也说明多模态模型正从“看懂内容”往“完成任务”走。