美团发布LongCat-2.5：1.6万亿参数原生多模态，面向长程智能体任务

发生了什么

新模型把视觉信号表示为多层级离散 token，使主干模型以统一的 token 形式处理视觉与文本输入，支持交互网页、3D 展示页面等任务。官方介绍把重点放在两处升级：原生视觉理解与智能体编程能力结合，以及长程任务的端到端工程能力，覆盖复杂代码库开发与完整项目构建。

训练侧沿用 LongCat-2.0 的路线并继续加码：2026 年 6 月发布的 LongCat-2.0 首次在国产算力上完成万亿参数模型的全流程训练与推理，LongCat-2.5 全程同样由国产算力完成。长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习提升能力；中训练阶段采用最长 1M token 的序列，累计训练量达数万亿 token。

推理侧同样围绕国产加速器优化：采用 W4A4 方案，把专家权重与激活同时量化至 4 比特，并通过训推数值一致性与长上下文 rollout 优化支撑大规模长程强化学习。技术博客称，在所测长上下文监督微调任务中，优化后的单卡训练吞吐量较分布式数据并行基线提升 86%。用户可在官网 LongCat.ai 体验，开发者可通过同步上线的 API 调用模型，GitHub 与 Hugging Face 版本随后上线。

关键事实

1. 发布方与时间：美团龙猫，2026 年 11 月 2 日
2. 模型规模：总参数 1.6 万亿，每 token 激活约 480 亿参数
3. 定位：面向长程智能体任务的原生多模态模型，强化原生视觉理解与智能体编程能力
4. 训练：全程在国产算力上完成；长序列训练加入更多长程轨迹数据，大规模长程强化学习；中训练最长 1M token 序列，累计训练量数万亿 token
5. 推理：W4A4 方案，专家权重与激活同时量化至 4 比特，针对国产 AI 加速器优化计算与传输
6. 评测：官方称多项主流基准成绩介于 Claude Opus 4.8 与 Claude Opus 5 之间，并在部分评测中超过 Claude Opus 5，数字来自官方发布，非独立测评
7. 获取方式：官网 LongCat.ai 可体验，API 已同步上线，GitHub 与 Hugging Face 版本随后上线