美团LongCat-2.5发布：9项Agent评测多项第一，1.6万亿参数
据了解，LongCat-2.5是一个面向长程智能体任务的原生多模态模型，总参数量为1.6万亿，每个token激活约480亿参数，在LongCat-2.0的基础上进一步强化原生视觉理解与智能体编程能力。
11月3日，快科技消息，美团11月2日推出新一代大模型LongCat-2.5，在多个智能Agent测试榜单中表现不俗，不少项目直接排到首位。测试横跨代码、通用任务、视觉Agent三大类，共9个不同评测基准；对手均为海外热门模型，包括Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8。
在AutomationBench、BrowseComp、LongCatClawBench、3DCodeBench等榜单上，LongCat-2.5的得分均处于领先位置。
AutomationBench一项，LongCat-2.5拿到51.8分，高于Claude-Opus-5的50.3分。BrowseComp得分为91.9分，同样位列第一。3DCodeBench的文本转3D项目，LongCat-2.5拿到55.4分，略高于其他竞品。
也就是说，网页浏览、自动化操作、3D生成这类Agent任务上，LongCat-2.5的优势比较明显；代码与终端指令类任务，它跟头部海外模型尚存一点差距，但整体已进入第一梯队。
据了解，LongCat-2.5面向长程智能体任务，是原生多模态模型，总参数量1.6万亿，每个token激活约480亿参数。它在LongCat-2.0基础上，进一步强化了原生视觉理解与智能体编程能力。
训练上，美团往长序列中加入了更多长程轨迹数据，又借助大规模长程强化学习，让模型在复杂代码库开发、完整项目构建等任务中的端到端工程能力得到提升。
同时，LongCat-2.5把视觉信号表示为多层级离散token，主干模型由此能以统一的token形式处理视觉与文本输入。原生视觉理解与智能体编程能力相结合，模型在Visual Coding上表现突出，创意设计和3D等任务也能支撑。
这些升级背后是持续演进的基础设施：美团优化了国产算力上的长上下文训练与W4A4推理，还通过训推数值一致性和长上下文rollout优化，支撑大规模长程RL高效运行。
国内大模型赛道眼下的竞争相当激烈，LongCat-2.5此番交出的成绩说明，国产Agent大模型已具备与海外顶尖产品同台较量一番的实力。
