美团发布 LongCat-2.5：万亿参数原生多模态模型，国产算力推进长程智能体与商业分析

2026 年 11 月 2 日，美团正式发布新一代大模型 LongCat-2.5。与 2026 年 6 月推出的 LongCat-2.0 相比，新版本延续了在国产算力集群上完成全流程训练与推理闭环的技术路线，并将模型升级为原生多模态架构，总参数量保持在 1.6 万亿（MoE），每个 token 激活约 480 亿参数。

这次更新的核心看点集中在三个方面：通过统一的离散视觉 token，将文本与图像输入整合至同一主干网络，支持 Visual Coding、交互式网页生成和 3D 展示；在长上下文训练中引入大规模长程强化学习，利用真实 Agent 的失败轨迹反哺模型工程能力；针对国产算力硬件特性优化超节点通信与 W4A4 低比特量化，降低长序列训练与在线推理的硬件开销。

在落地应用上，美团将 LongCat 系列定位为支持核心主业的基础设施。基于该系列模型构建的商家 AI 经营工作台“妙手”（原 CatPaw），已在古茗、徐升记、益禾堂等品牌中投入使用，覆盖从指标核算、问题诊断到策略执行的闭环场景。目前 LongCat-2.5 已在官方平台开放体验，API 接口同步上线，并兼容 OpenAI 与 Anthropic 两套规范。

从 2.0 到 2.5：原生多模态与长程强化学习

LongCat-2.0 确立了美团在大规模 MoE 架构和代码能力上的底座，而 LongCat-2.5 则把研发重心推向原生多模态与长程工程任务。

输入信号 (文本 / 图像)
   │
   ▼
统一离散 Token 化 ──► 主干 MoE 网络 (总参数 1.6T / 激活 48B)
                           │
                           ├──► 长程强化学习 (对齐真实 Agent 失败轨迹)
                           ├──► 1M 超长上下文 (支持最高 128K Token 输出)
                           ▼
          Visual Coding / 软件工程 / 商业决策

1. 统一离散 Token 架构

过去的多模态大模型大多采用外部视觉编码器外挂语言模型的方案，文本与视觉表征存在断层。LongCat-2.5 将视觉信号直接转化为多层级离散 token，使主干模型能够以统一的 token 形式处理文本与图像输入。

这种设计让模型在多模态理解与代码生成之间建立了直接映射。在 Visual Coding 任务中，模型不仅能理解界面截图中的排版结构、文字层级与色彩分布，还能直接生成匹配的 HTML、CSS 或组件代码，并支持对前端页面进行微调纠错与 3D 渲染展示。

2. 长程强化学习与失败轨迹反哺

代码补全与复杂软件工程之间存在本质区别。单段代码生成只需要理解局部上下文，而真实项目维护涉及多文件修改、依赖解析、终端命令执行和多轮测试报错排查。

LongCat-2.5 在长序列训练中引入了更多长程轨迹数据，并通过大规模长程强化学习提升端到端工程能力。美团团队将真实 Agent 运行过程中记录的失败轨迹进行清洗，转化为可复现、可验证的训练任务，针对工具调用断点、跨文件逻辑遗漏以及死循环报错等典型短板补充训练。模型在中训练阶段采用最长达 1M tokens 的序列展开长上下文训练，累计训练量达到数万亿 tokens，同时 API 支持最高 128K tokens 的单次输出能力。

国产算力工程调优：训推效率与成本控制

对于万亿参数级别的 MoE 模型，长上下文训练与高并发推理对算力硬件提出了极高要求。国产 AI 加速芯片在单卡显存和跨节点通信上通常面临物理约束，美团在 LongCat-2.5 的训练与部署过程中进行了针对性的系统级优化。

训练阶段：超节点内通信与显存解耦

在处理 1M token 的超长序列时，多张算力卡之间的通信开销和显存占用容易成为性能瓶颈。美团与国产算力厂商针对单卡显存相对紧凑的特点，重构了超节点内的任务分工：

• 将模型参数与中间激活的主要通信收敛在超节点内的高速互联网络中完成，减少跨节点通信延迟。
• 协同优化显存分配策略，避免超长序列前向与反向传播中的显存峰值溢出。
• 在长上下文监督微调（SFT）基准测试中，优化后的单卡训练吞吐量较分布式数据并行（DDP）基线提升 86%，相当于单张加速卡完成了过去约 1.86 张卡的处理工作量。

推理阶段：W4A4 低比特量化

为了让万亿参数模型在线上具备实用性，LongCat-2.5 采用了 W4A4 量化方案，将专家权重与激活值同时量化至 4 比特。针对国产 AI 加速器的硬件计算单元进行定制指令适配，在已评测的下游任务中保持了与未量化模型相当的精度。

线上实际压测数据显示，相比于权重与激活均为 8 比特的 W8A8 INT8 基线：

• 吞吐量提升：请求输入处理与逐 token 生成的吞吐量均提升约 40%。
• 首字等待时间：Time to First Token（TTFT）缩短约 16%，降低了交互式等待感。
• 生成延迟降低：后续每个 token 的生成耗时缩短约 20%，加快了长代码块与长报告的输出速度。

评测表现与能力梯队划分

在主流基准测试中，美团公布的评测数据显示，LongCat-2.5 的综合成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，在部分特定场景下超过了 Claude-Opus-5。

• 智能体与工作流评测：在衡量跨应用 API 编排与多步骤任务执行的 AutomationBench 测试中，LongCat-2.5 表现出较强的动作规划一致性，相比 2.0 版本的基线提升明显。
• 工程与代码评测：在包含仓库级改动、测试验证与多文件交互的基准任务中，长程强化学习的效果显现，模型在遭遇终端错误时能够进行自主复盘并更换修复路径。
• Visual Coding 与页面任务：得益于离散视觉 token 与主干网络的融合，模型在根据设计稿复现页面布局、提取视觉元素层级以及修正前端样式重叠等任务上具备较高准确度。

需要明确的是，公开基准成绩反映的是标准化测试集下的表现。在真实开发环境中，网络波动、不规范的项目代码结构以及复杂的认证依赖，仍然会对 Agent 的执行成功率产生影响。

“不做 Token 工厂”：美团的技术落地逻辑

在 2026 年 8 月 28 日的美团第二季度财报电话会上，CEO 王兴曾明确表达过团队对 AI 研发的态度：AI 能力的长期价值在于能否真正进入真实工作流、解决实际业务问题，并形成稳定的基础设施能力。“我们不会成为 Token 工厂，我们的模型和 AI 产品将用于支持我们的主业，提升用户、商户体验和公司经营效率。”

LongCat-2.5 的研发侧重印证了这一判断。美团没有单纯追求泛化闲聊的规模效应，而是将模型的长程规划、数据推理与视觉理解能力直接对接本地生活生态。

“妙手”工作台的实际运行场景

美团基于 LongCat 系列模型推出了 AI 经营工作台“妙手”（原 CatPaw）。该平台不仅服务于美团内部运营，还面向本地生活商户提供经营支持，目前已接入古茗、徐升记、益禾堂等品牌。

在技术博客披露的典型案例中，“妙手”展示了针对多渠道经营分析的处理过程：

1. 自动构建渠道利润表：在获得商家系统授权后，模型自主提取不同销售渠道的流水、分成比例与营销补贴数据，合并生成统一的财务核算视图。
2. 定位经营矛盾点：模型能够从复杂的表格数据中识别出隐蔽问题。例如在一次分析中，模型发现某渠道支付 GMV 增长了 23.2%，但由于补贴结构失衡与履约成本上升，该渠道利润反而下降了 1.7%。
3. 输出多维度决策建议：结合各门店的库存周转、尾货清仓经济价值和用户复购周期，模型给出了差异化的资源调整策略，指导商家减少低效投流，将营销预算转向高复购单品。

这一场景展示了 LongCat-2.5 在长上下文数值分析与工具调用上的综合能力：模型不仅充当问答助手，而且参与到从数据读取、归因计算到形成可落地动作的操作链路中。

独立开发者与小团队的实测建议

对于独立开发者、OPC（一人公司）以及小型创业团队，LongCat-2.5 的上线提供了新的模型选型参考。特别是兼容 OpenAI 和 Anthropic 两套主流 API 协议的设计，降低了现有工作流的迁移门槛。

建议优先测试的三类场景

1. 基于 CLI 的终端辅助编程：由于 LongCat API 兼容 Anthropic 规范，开发者可以直接将其配置为 Claude Code、OpenCode 等命令行工具的底层模型，测试其在本地项目中的重构、单元测试编写与终端命令执行表现。
2. 从设计稿到前端代码的快速验证：在原型制作阶段，可以向模型直接输入 UI 界面设计图或竞品网页截图，测试其生成的 HTML/CSS 结构、Tailwind 类名准确率以及组件拆解能力。
3. 轻量化商业数据自动化：利用模型的长上下文和多表格分析能力，搭建针对销售账单、广告投放流水或 SaaS 后台数据的自动审计 Agent，验证其在财务计算与趋势识别上的可靠性。

现阶段需要保持关注的边界

• 开源权重的发布节奏：官方表示 GitHub 与 Hugging Face 权重即将上线。在权重正式公开之前，本地部署、私有化微调以及受限网络环境下的运行方案仍需等待官方文档明确商用协议与量化格式。
• 长上下文的调用成本控制：尽管 1M 窗口支持容纳完整代码库，但多轮 Agent 交互会快速累积输入 token 数量。在生产环境中仍建议配置合理的上下文截断、Prompt 缓存和历史会话压缩策略。
• 极端长程任务的一致性衰减：在执行超过数十步的复杂终端排错时，模型依然可能产生状态遗忘或工具调用参数偏差。对于关键生产任务，仍需保留人工确认节点。