美团LongCat-2.5开源：1.6万亿参数，四项评测居首

智东西

编辑 程茜

智东西11月10日消息，美团LongCat团队昨晚把原生多模态模型LongCat-2.5开源了。OpenCode公开数据显示，到今日上午12时，这款模型在该平台累计Token用量约1090亿，独立用户约4700名，会话数约5万次。

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

这款1.6万亿参数的模型以MIT协议开放，商用推理部署和二次训练都不用再申请额外授权。

X上有网友评价说，规模这么大的模型愿意用较为宽松的MIT协议放开，对开发者是个好消息。

▲一位开发者的评论（图源：X）

开源当天，开源AI编程工具OpenCode就宣布LongCat-2.5在其平台限时免费两周，支持多模态和百万Token上下文，免费入口每天限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款模型同台比较，测试项共31项。

联网检索测试BrowseComp、跨领域智能体测试ALE v1.1、深度研究测试ResearchRubrics和文字生成3D代码测试3DCodeBench这四项，LongCat-2.5分别拿到91.9、38.5、81.0和55.4分，在9款模型已公布的成绩里排第一。

▲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、视觉编程和专业办公等长程任务。总参数量1.6万亿，每个Token激活约480亿参数，上下文支持100万Token。

模型发布之后，开发者陆续晒出3D小店、水族馆、游戏和经营分析网站等作品。美团这次的开源公告挑了一批演示放出来：从画面看，生成的3D场景光照和动态效果比较丰富，网站也基本具备经营所需的功能。

这次放出的资源包括模型权重和W4A4量化版本。美团还给出了基于SGLang-FluentLLM项目的NPU部署说明，方便开发者在国产算力上部署。

▲LongCat-2.5开源主页（图源：Hugging Face）

更早之前，美国AI研究机构Nous Research已经通过旗下模型服务平台Nous Portal提供了一周免费体验。LongCat官方平台也放出了Claude Code、Codex、OpenCode和Hermes等工具的接入说明。

API价格上，LongCat-2.5当前限时优惠为每百万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项得分高于LongCat-2.5；其更新版Flash-1017高峰价格与LongCat-2.5持平，空闲时段还能再便宜一半。

与同为1.6万亿总参数的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已经能生成较为完整的3D场景，视角切换、角色操控等交互也能实现。还有人拿它搭经营分析网站，把交易明细、退款和经营损失等信息放进同一套工具。

视觉编程这块，科技博主cxuanAI做了一座可切换视角的水族馆，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，水里有鲸鲨、蝠鲼和成群小鱼在游。

视角进入水下后，鱼群在岩石和水草间聚拢又散开，鲸鲨从镜头附近游过。页面右侧还带一个控制面板，演示者能调整观察视角和光照效果。

▲cxuanAI制作的水族馆页面（视频来源：公众号）

从画面看，蓝绿色调、顶部透下来的光线和远近不一的鱼群一起撑出了水下的纵深感。切换视角后，岩石、水草和海洋生物仍维持统一的视觉风格，整体感不错。

开发者AI异类弗兰克用LongCat-2.5生成了一款多场景打斗游戏，作为游戏开发方面的展示。画面是斜俯视角，雨夜村落里石板路两侧排着青瓦房屋、暖黄色窗光和红灯笼。角色穿行街巷，和成群敌人交手，攻击时带出环形特效。战斗打到后面，页面会弹出“武学参悟”界面，让玩家挑新的武学技能。

▲AI异类弗兰克制作的打斗游戏（视频来源：公众号）

AI异类弗兰克表示，模型给出的游戏前端设计和动态交互效果让他比较满意。水墨武侠那款游戏的互动流畅自然，加上多场景打斗和武侠技能之后，玩法也更多样。

专业办公这一块，开发者路人甲TM拿出一套用LongCat-2.5生成的电商经营分析网站。总览页面展示经营结余以及收入、支出的变化，另外还设了交易明细、退款分析和损失分析等页面。

▲路人甲TM制作的电商经营分析网站（视频来源：美团）

演示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换，查看退款分布和经营损失构成。总览指标、交易明细和专项分析在网站里分层摆开，图表和对应数据同处一页，方便使用者看清经营结果和具体收支项目。

不过也有X用户反映，LongCat-2.5正式版还是会出现循环推理。一位开发者觉得，模型能调用已有知识、推理也算比较全面，可有时候会反复绕圈，产出冗余内容，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和多专家在线教学等方向，分别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。

视觉编程与3D任务排在前面。模型先对图像的原生分辨率特征做残差向量量化，产出多层级离散Token，再连同文本Token一起送进主干模型。视觉Token对应的嵌入表示和主干模型联合训练，视觉理解与代码生成因此能结合起来。

训练阶段，固定的视觉分词器可以预先产出并缓存视觉Token，主干模型直接读取处理好的序列，线上视觉计算随之减少，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）

代码开发与长程智能体任务紧随其后。团队从训练数据、强化学习调度和行为约束几个环节拉长训练链路，把真实智能体失败的过程转成可复现、可验证的训练任务。

强化学习采样时，系统会把没做完的长任务轨迹存下来，等到后续采样阶段再恢复执行；跨模型检查点生成的旧轨迹，则靠调整梯度贡献来压低样本陈旧造成的偏差。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、重复调用工具等行为加以约束。

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：学生模型在不同领域任务中给出回答，再依据领域专家与学生模型输出概率分布的差异来训练，把Agent、推理和交互能力并进主线模型。

▲多专家在线教学流程（图源：美团）

长回复训练容易分布偏移，团队的对策是把教师回复按固定长度切开，同时限制学生采样长度；计算与缓存通过共享输入来处理，再引入Tree Attention，同组样本的重复计算和存储开销就降下来了。

多专家在线教学和长程强化学习等设计，共同服务于材料处理、分析和交付任务。职业任务测试JobBench中，LongCat-2.5得65.4分，上一代44.4分，高出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，把参数聚合、专家间Token交换等通信放进超节点内的高带宽互联范围，并让通信和计算重叠跑。长序列监督微调任务中，按上述优化后的FSDP配置，单卡吞吐量比DDP基线提升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）

推理这边，此次开放的W4A4版本把专家权重和激活值一并量化到4比特。对比W8A8 INT8基线，线上压测中预填充、解码吞吐量分别提升43.3%和42.77%，万亿参数模型的部署因此多了效率支撑。

W4A4方案与W8A8 INT8基线相比，推理吞吐量的变化如图所示（图源：美团）。

LongCat-2.5是在LongCat-2.0基础上做的进一步升级，重点放在视觉编程、长程任务执行和专业办公几块。伴随这次开放权重和量化版本，想自己部署、接着往下训的开发团队多了一个新选择。

编程和办公同样是大厂今年持续加码的领域。8月12日，阿里开放Qwen3.8旗舰模型权重，主打代码开发、专业工作和长程智能体任务能力的提升；11月4日，腾讯发布Hy4，第一次引入视觉理解和电脑操作能力，并已在WorkBuddy、CodeBuddy等产品上线。

各家模型瞄准的任务越来越重叠，价格、部署条件和生态适配就成了影响开发者选型的直接因素。美团这次给出单价较低的API服务，又宣布开放权重，对于做网站、办公工具和业务智能体的团队来说，算是多了一个性价比较高的选项。