美团发布全新1. 6 万亿多模态大模型LongCat-2.5：多项智能Agent基准登顶全球第一

11月3日消息，美团官方正式推出全新一代面向长程智能体任务的原生多模态大模型 —— LongCat-2.5。作为在 LongCat-2.0基础上的重大迭代，该模型在原生视觉理解与智能体编程能力上迎来了全面升级，并在多项权威测试中与海外顶尖大模型同台竞技并实现多项指标登顶。

核心架构与参数规模:1.6万亿总参数赋能端到端工程能力

在底层架构设计上，LongCat-2.5采用了庞大的参数体系，其总参数量高达1.6万亿，而在每次进行 Token 推理时则会激活约480亿参数，在确保强大推理算力的同时兼顾了运行效率。

为了赋予模型应对复杂任务的强悍实力，美团团队在长序列训练中引入了更为丰富的长程轨迹数据，并通过大规模的长程强化学习训练，显著提升了模型在复杂代码库开发以及完整项目构建等任务中的端到端工程能力。与此同时，模型创新性地将视觉信号表示为多层级离散 Token，使得主干模型能够以统一的 Token 形式无缝处理视觉与文本输入。这种“原生视觉理解”与“智能体编程”的深度融合，不仅让模型在 Visual Coding 任务上表现亮眼，同时也为创意设计和3D 等复杂交互任务提供了坚实的技术支撑。

在支撑底层训练的算力基座上，该系统针对国产算力环境进行了深度优化，重点突破了长上下文训练与 W4A4推理的技术瓶颈。通过精细的训推数值一致性调优以及长上下文 rollout 优化，全面支撑了大规模长程强化学习的高效运行。

权威基准测评:网页自动化与3D生成等任务表现抢眼

为了全面检验模型的综合性能，本次评测覆盖了代码、通用任务以及视觉 Agent 三大主流类别，总计包含9个不同的评测基准。在与包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8在内的多款海外热门顶尖大模型的同台竞技中，LongCat-2.5在多个细分榜单上表现惊艳:

在 AutomationBench（自动化基准）测试中，LongCat-2.5斩获51.8分，成功超越同赛道的 Claude-Opus-5(50.3分)。

在 BrowseComp（网页浏览）基准测试中，模型以91.9分的高分稳居榜首。

在3DCodeBench（文本转3D 项目）测试中，该模型拿到了55.4分，实现了对同类竞品的微弱领先。

从整体评测结果来看，LongCat-2.5在网页浏览、自动化操作以及3D 生成等 Agent 任务上展现出了极强的统治力;而在代码编写和终端指令等偏传统的任务类别中，虽然与海外头部大模型依然存在微小差距，但已经稳稳站在了全球第一梯队。

随着 LongCat-2.5的正式亮相，美团不仅向外界展示了其在底层大模型与具身体系上的深厚技术积累，也进一步证明了国产 Agent 大模型完全有实力与全球最顶尖的产品正面交锋。目前，官方已正式开放在线体验与 API 接入通道，方便广大开发者与行业用户进行深度试用。