AI 摘要
- 美團發佈原生多模態大模型 LongCat-2.5。
- 模型總參數量達 1.6 萬億。
- 多項 Agent 基準測試取得領先成績。
美團官方宣佈推出新一代原生多模態大模型 LongCat-2.5，定位為面向長程智能體（long-horizon agent）任務的模型，也是 LongCat-2.0 之後的重大迭代版本。根據來源報導，該模型在原生視覺理解與智能體編程兩條主線同步升級，並在 9 個權威評測基準中與多款海外頭部模型同場比較，於部分細分榜單取得領先。官方同時已開放在線體驗與 API 接入通道。
核心架構：1.6 萬億總參數、推理激活約 480 億
在底層架構上，LongCat-2.5 的總參數量為 1.6 萬億，每次進行 Token 推理時激活約 480 億參數。此設計屬於「大總量、稀疏激活」路線，目的在於同時保留較強推理算力與運行效率。
為應對複雜任務，美團團隊在長序列訓練中引入更豐富的長程軌跡數據，並以大規模長程強化學習進行訓練，官方稱此舉顯著提升了模型在複雜代碼庫開發與完整項目構建等任務上的端到端工程能力。
把視覺訊號表示為多層級離散 Token
模型在技術上的另一項特點，是將視覺訊號表示為多層級離散 Token，使主幹模型能以統一的 Token 形式處理視覺與文本輸入。這種原生視覺理解與智能體編程的結合，除了應用於 Visual Coding 任務，官方也表示可支撐創意設計與 3D 等互動性較高的複雜任務。
針對國產算力環境深度優化
在支撐訓練的算力層面，來源指出該系統針對國產算力環境進行了深度優化，重點突破長上下文訓練與 W4A4 推理的技術瓶頸，並透過訓推數值一致性調優與長上下文 rollout 優化，支撐大規模長程強化學習的運行。這部分屬於官方說法，具體硬體組態、訓練資料規模與訓練成本並未在來源中披露。
評測結果：網頁瀏覽、自動化與 3D 生成表現突出
本次評測覆蓋代碼、通用任務與視覺 Agent 三大類別，共計 9 個評測基準。來源列出的同場比較對象包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5 與 Claude-Opus-4.8 等模型。已披露的分數如下：
| 基準測試 | 任務類型 | LongCat-2.5 | 對比結果 |
|---|---|---|---|
| AutomationBench | 自動化操作 | 51.8 | 高於 Claude-Opus-5 的 50.3 |
| BrowseComp | 網頁瀏覽 | 91.9 | 來源稱為榜首 |
| 3DCodeBench | 文本轉 3D 項目 | 55.4 | 對同類競品為微弱領先 |
從整體結果看，LongCat-2.5 在網頁瀏覽、自動化操作與 3D 生成等 Agent 任務上具備明顯競爭力；但在代碼編寫、終端指令等偏傳統的任務類別，來源明言與海外頭部大模型仍存在微小差距，僅能確認其處於全球第一梯隊，而非全面領先。
已確認事實與尚待驗證之處
- 已確認：美團發布 LongCat-2.5，定位為原生多模態、面向長程智能體任務的模型；總參數 1.6 萬億、推理激活約 480 億；官方已開放在線體驗與 API 接入。
- 已確認：評測涵蓋 9 個基準、三大類別，並公布 AutomationBench 51.8、BrowseComp 91.9、3DCodeBench 55.4 等分數。
- 待驗證：上述分數均由發布方自行公布，第三方獨立複測、完整 9 項基準的全表數據、各對比模型的同版本設定，以及推論成本與延遲表現尚未公開。
- 待驗證：「登頂全球第一」屬來源綜述性表述，目前可對應的具體依據為個別基準的領先幅度，並非所有細分項目皆排名第一。
觀察：Agent 能力成為多模態模型的新戰場
LongCat-2.5 的發布節奏顯示，多模態模型的競爭焦點正從單輪問答與圖像描述，轉向需要跨步驟規劃、操作介面與呼叫工具的長程任務。美團此次將原生視覺理解與智能體編程綁定於同一主幹，並以網頁自動化與 3D 生成作為主打場景，與其本地生活業務中大量存在的介面操作、商家工具與視覺內容需求具備潛在關聯，但來源並未說明具體的產品落地規劃。
隨著模型開放 API，實際表現能否與公布的基準分數一致，以及長程任務中的穩定性、錯誤恢復能力與單位任務成本，將是開發者評估的重點。
Reference Link : news.aibase.com
