美团LongCat-2.5上线：1.6万亿参数原生多模态，国产训练
美团 LongCat 发布了新模型 LongCat-2.5，一个面向长程智能体任务的原生多模态模型，3D 质感不错，后面我放了例子模型总参数 1.6 万亿，激活 480 亿；上下文窗口 1M token，单次最多输出 128K，每百万 token 输入 2 元（命中缓存 0.04 元）、输出 8 元老规矩：本周，你可以
美团推出新模型 LongCat-2.5，定位是面向长程智能体任务的原生多模态模型，3D 效果挺能打，示例放在后面。
总参数 1.6 万亿，激活 480 亿。上下文窗口上下文 1M token，单次最多输出 128K，每百万 token 输入2元，命中缓存 0.04 元；输出8 元
按老规矩，本周在 AGI Bar 可以免费使用 LongCat-2.5。
Benchmark 上，LongCat-2.5 比以往提升明显。
对比上一代 LongCat-2.0，长任务一项涨分最多，比如从搭建到调通、独立做完一整个项目这类活。Terminal Bench v4.0 上，上一代只拿到3.0分，这一代是38.5
LongCat-2.5 具备原生视觉能力，训练时图片和文字就是混在一起喂的：图片被切成离散 token，和文字 token 排进同一个序列。
长任务的强化学习放在真实代码环境里做，用真实仓库的 PR 和 issue 训练，Agent 干活时的失败记录也进了训练数据。
训练和推理全程跑在国产 AI 加速卡上。训练单卡吞吐比 DDP 基线高 86%；推理用 W4A4，吞吐比 W8A8 高四成多。
想用的话，打开 longcat.ai 就能直接对话。本文里那些小彩蛋都是 longcat 画的，点一下猫猫头可以试试 ⬇️
看图写代码
因为有视觉能力，LongCat-2.5 写完代码会再瞄一眼效果对不对，下面是一些演示。
3D 类也能处理，比如一棵能转着看的青铜神树，还有一个城市沙盘。
办公任务同样不难，比如丢过去几张经营数据表，它会自己分析，最后做成一份带图表的经营分析报告。
emmmm...每个小标题旁边我都放了一只猫，记得戳 👇
效果实测
先说结论：这个模型在 3D 渲染的美感上表现相当不错。我跑了几个 case，给大家看看：
城市夜景：“做一个夜晚的 3D 城市，上千个外卖订单同时发生，骑手从店铺出发、拖着光轨送到住户楼，时间从傍晚走到深夜”
黑洞：“渲染一个旋转的黑洞：发光的吸积盘、引力透镜扭曲背后的星空；手指快速一划，甩出一串恒星被黑洞吸进去”
可玩的 3D 魔方：“做一个可玩的三阶魔方：拖动旋转、划动转层，一键打乱、一键还原”
粒子钢琴：“做一架粒子钢琴：每按一个键，夜空里炸开一朵粒子烟花，还能自动弹《小星星》”
孔明灯：“中秋夜的河边古镇，点一下屏幕，就从河边放起一盏孔明灯，灯上写着福、安、顺”
图文混合训练
训练一开始，LongCat-2.5 就把图片和文字放进同一套框架：图片切成离散 token，和文字 token 排在同一个序列里，模型读图用的是读文字的同一套方式。
每一小块画面都要换成好几层编号：粗的一层记录大轮廓，细的几层补齐细节，信息损失因此更小。图片按原始分辨率切块。
工程上也跟着受益。图片转编号这一步能提前离线算好并存下来，训练时模型直接读现成的编号，计算图里不再有视觉编码器。
真实任务里练强化学习
强化学习这块，LongCat 团队把模型丢进真实的代码环境，反复练 Agent 的长任务：读代码、改代码、跑测试、看报错、再修改，一轮接一轮。练习题来自 GitHub 公开仓库和美团内部的真实代码任务——挑出 PR 和对应的 issue，让 Agent 自动打标、合成环境，再配上 F2P 和 P2P 测试。
失败记录也被大量塞了进来，走的是一套叫 Trajectory2Task 的流程：先从失败记录里定位错在哪一步，再把当时的运行环境恢复出来，最后倒推出一道能复现、能判分的题。
哪里翻车就点哪里，so easy。
补充一个小知识：模型很爱钻空子，搞些考试小妙招，比如联网搜现成答案，或者翻 git 历史直接找到当年的修复代码（都是从人类那儿学来的恶习）。所以练习环境会断网，清掉 git 历史和文件缓存，另外用 LLM judge 盯着整条轨迹。
为了照顾通用性，模型练习时不绑定固定 harness，以便适配 Claude Code、Codex 等各种环境。
国产卡发力
上一代 LongCat-2.0 已经在国产卡上跑通了训练全流程；这一代在训练和推理两头都提了效率。
训练按超节点设计并行，单卡吞吐比 DDP 基线高 86%；推理用 W4A4，吞吐比 W8A8 高四成多。
显存是最先扛不住的环节，何况要训的是 1.6 万亿参数规模的模型。LongCat-2.5 跑在国产 AI 加速卡上，还得撑住最长 1M 的超长上下文训练，美团与芯片厂商的配合因此扎得更深。
并行方案以超节点为单位：FSDP、EP、CP 的切分都落在同一个超节点里，大部分通信走超节点内的高速互联。
再加上一系列省显存、省拷贝的改动，在所测长上下文监督微调任务中，单卡吞吐比 DDP 基线高了86%
推理这一方面，W4A4 把专家权重与激活都压到 4 bit，能够跑在卡上原生的 INT4 矩阵单元上。
作为结果：prefill 吞吐提升43.3%，decode 吞吐提升42.77%；TTFT 降低 15.91%，TPOT 降低 19.72%
跑分
跑分环节放在最后，用来跟其他模型做个对照。参与比较的包括 GPT-5.5、GPT-5.6-Sol、Claude Opus 4.8、Claude Opus 5，还有 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash。
