💡 一句话总结：美团龙猫团队 11 月 2 日正式发布 LongCat-2.5——1.6 万亿参数（每 token 激活约 480 亿）、1M 上下文、原生多模态的长程 Agent 模型，全程国产算力训练，API 已上线但权重尚未开源。看截图写代码、跨 harness 干活是卖点；官方基准领先 Claude-Opus-5，独立基准仍落后，跑分得拆开看。
11 月 2 日上午，美团 LongCat（龙猫）团队发布了新一代模型 LongCat-2.5。官方给它的定位很明确：面向长程智能体任务的原生多模态模型——不是「能看图的聊天模型」，而是「能盯着屏幕干活的工程师」。
这不是一次突然袭击。时间线捋一下：今年 4 月 LongCat-2.0-Preview，6 月底 2.0 正式版（MIT 协议开源了权重，首次在国产算力上跑通万亿参数全流程训练），9 月 25 日 2.5-Preview 上了 API，11 月 1 日官方博客挂出，11 月 2 日正式 GA。当天的 Hacker News 讨论拿到 77 分——国内大模型发布能在 HN 引起声量不算多见。
发布了什么：三个数字 + 三个设计
先报参数：总参数 1.6 万亿，每 token 激活约 480 亿，MoE 架构；上下文最长 1M token，训练阶段就用了最长达 1M 的序列，累计训练量数万亿 token。（输出 token 上限各信源说法不一，以官方 API 文档为准。）
真正值得开发者盯的是三个设计选择。
第一，「原生多模态」走的是激进路线。 主流多模态模型大多在语言模型外面挂一个视觉编码器，图片先转特征再喂给主干，视觉和语言多少还是两套系统。LongCat-2.5 把视觉信号直接表示成多层级离散 token（官方技术说明是对原生分辨率 SAE 特征做 RVQ 量化），让主干模型用统一的 token 形式处理视觉与文本输入。对 Agent 场景来说这个选择很实际：看 GUI 截图 → 决定操作 → 看执行结果 → 继续，全程是同一条「视觉-行动-再视觉」的循环，主干统一处理比外挂模块的拼接更顺。官方说这带来了 Visual Coding（看截图写代码）、创意设计和 3D 任务上的能力提升。
第二，长程 RL + 把失败轨迹变成训练题。 模型在长序列训练里加入了更多长程轨迹数据，并用大规模长程强化学习提升端到端工程能力——复杂代码库开发、完整项目构建这类任务。更有意思的细节是：团队把真实 Agent 的失败轨迹转化成可复现、可验证的训练任务，针对短板持续补数据。踩过的坑不是丢掉，而是变成下一轮的课程表。另外官方强调跨 Harness 混合训练——兼容 Claude Code、Codex、Hermes 等不同 agent 框架，降低对单一框架的过拟合。
第三，全程国产算力，且细节经得起追问。 「国产算力训练」容易听着像口号，但这次公布的工程细节比较实：与国产算力厂商协同优化显存使用、卡间通信和传输效率；针对单卡不足 80GB 显存的现实约束做超节点任务分工，让参数与数据通信在超节点内高速互联完成；推理侧做了 W4A4 量化优化和训推数值一致性保障。1M 序列的多卡训练，显存和通信恰恰是最疼的地方，这些优化是真问题。
跑分怎么读：自建考卷领先，公共考卷落后
官方公布的基准成绩值得拆开看：
- AutomationBench（自动化任务）和 LongCatClawBench（通用 Agent）——LongCat-2.5 领先 Claude-Opus-5 和 GPT-5.6-Sol；
- Terminal Bench v4.0（终端操作）——得分 38.5，超过 GPT-5.6-Sol，但落后于 Claude-Opus-5。
这里必须给读者一个澄清：前两个基准都是美团自建的基准，「领先 Opus-5」的说法目前只在自家考卷上成立；Terminal Bench 是外部可对照的公共基准，成绩是「超了 GPT 一头、还追不上 Claude」。两件事都属实，合起来才是完整图景。国内媒体（智东西、量子位等）在引用时也普遍注明了 Terminal Bench 的落后项。
待核实项：权重开源时间表官方没给；「比肩国际成熟闭源模型」是官方定性说法，尚无第三方综合评测背书。
权重还没开源：和 2.0 不一样的节奏
对比很微妙：LongCat-2.0 当时是 MIT 协议开源了权重的（Hugging Face 上下载量不低），而 2.5 目前只有 API——官网可体验，开发者走 LongCat API 平台，部分聚合网关已上架。多个信源提到 GitHub 和 Hugging Face 的权重发布「尚待后续」，但没有时间表。
对想本地部署或做研究复现的团队，这一版暂时只能观望；对直接调 API 做产品的开发者，官方强调它「开箱兼容主流 agent harness」，接进现有工作流试试成本不高。
一个真实的商业分析案例
官方给了一个演示：品牌多渠道经营分析。模型自主构建渠道利润表，识别出「支付 GMV 增长 23.2%，但渠道利润反而下降 1.7%」的增长质量问题，然后结合清货经济价值、用户复购与库存风险给出差异化资源配置建议——从经营核算到问题诊断到决策建议跑完一整条链路。(uncertain：该案例为官方演示，无独立复现。)
对开发者的三句话
- 做 Agent 应用的：跨 harness 兼容（Claude Code / Codex / Hermes）+ 1M 上下文是实打实的工作流卖点，API 直接连进现有管线即可验证；
- 做多模态/视觉编程的：「视觉 token 进主干」的路线值得跟踪——如果这条路被验证，视觉-行动闭环的 agent 架构会简单很多；
- 等开源权重的：2.0 的 MIT 先例在这，2.5 权重大概率会来，但时间表未定，别把上线计划押在上面。
参考来源
- LongCat 官方博客：Introducing LongCat-2.5
- 美团官网新闻稿：美团发布 LongCat-2.5 大模型，「国模国芯」实现新突破
- LongCat API 平台更新日志：Change Log
- TechNode：Meituan launches LongCat-2.5 multimodal AI model
- 智东西：美团发 1.6 万亿参数新模型，通用 Agent 测试超 Opus-5
- 新华财经：美团发布 LongCat-2.5 大模型 强化长程任务、多模态、商业分析等能力
- 新浪科技：美团龙猫发布 LongCat-2.5 原生多模态 AI 模型
- HN 讨论：LongCat-2.5: Native Multimodality for Agentic Tasks
- eesel AI 解读：LongCat 2.5 explained
