美团 LongCat 团队 11 月 1 日博客、11 月 2 日正式发布 LongCat-2.5。先把最容易被标题党带偏的一点说清楚：1.6 万亿是总参数，不是每次推理要算的参数。每次只激活约 480 亿，约 3%。这篇算三本账：激活账、视觉账、长程账。
第一本账：激活账——总量大，单次计算量小
LongCat-2.5 是 MoE（混合专家）结构：模型里有很多专家子网络，每次只叫醒其中一小部分。所以 1.6T 的总量带来的是知识容量和专家分工，不是 1.6T 级别的单次计算量。单次成本更接近 48B 级模型。
这对账单的意义是直接的。限时折扣价：输出 1.20 美元 / 百万 tokens，未命中缓存的输入 0.30 美元 / 百万 tokens，命中缓存的输入 0.006 美元 / 百万 tokens。也就是说，缓存命中与否能差 50 倍——长程任务里把重复上下文留在缓存里，比换模型更省钱。
注意一个社区误读：发布当天有帖子把激活参数写成 440B，官方口径是约 48B。引用时认 48B，别跟着抄错。
第二本账：视觉账——图像先变成 token，再进主干
2.5 相对 2.0 的主升级有两块：原生视觉理解和智能体编程。做法是把视觉信号表示为多层级离散 token，让主干模型以统一的 token 形式处理视觉与文本输入，而不是外挂一个看图模块再拼结果。
工程上的好处是统一：视觉编程、创意设计、3D 内容生成走同一条主干，截图、界面、文档版式这类视觉输入可以直接进长程任务链。代价也同样直接：视觉 token 会吃上下文，1M 上下文听起来大，视觉一多就未必够用——长程任务先做输入预算，别默认 1M 够用。
第三本账：长程账——长轨迹数据 + 长程强化学习
官方定位是“长程智能体任务”：不是陪你聊天，而是连续干完一整件活。训练侧的两处加码值得抄作业：
- 长序列训练中加入更多长程轨迹数据；
- 大规模长程强化学习，提升复杂代码库开发、完整项目构建等端到端工程能力。
基础设施侧同样是为长程服务的：围绕国产加速器单卡不足 80GB 显存的限制，做超节点重排 FSDP、EP、CP 并行度，叠加混合词表并行、MoonEP 动态专家复制和双重分片 FSDP，把视觉编码移出训练计算图；推理侧用 W4A4（权重与激活值 4 比特量化）做国产加速器优化，并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。
跑分怎么读：赢上一代，输这一代
官方 31 项成绩表全部是美团自测，没有第三方复测，读的时候要打这个折：
- 与 Claude Opus 4.8 共有 24 项，LongCat-2.5 赢 18 项；
- 与 Claude Opus 5 共有 27 项，只赢 10 项。
一句话：相对上一代有优势，相对这一代仍有差距。终端操作等单项基准（有报道称 Terminal Bench v4.0 得 38.5 分，超过 GPT-5.6-Sol 但落后 Opus 5）同样是官方或转述口径，别当成独立实测结论。
四条实操结论
- 选型先看激活参数和缓存价，不看总参数：1.6T 是容量指标，48B 和 0.006 美元缓存价才是账单指标。
- 长程任务先做 token 预算：视觉 token + 长轨迹很容易把 1M 上下文吃掉一半以上。
- 官方演示（8 个端到端视频，一半写软件、一半办公）是挑选过的，别直接当成你仓库里的通过率。
- 权重还没放出：GitHub 与 Hugging Face 目前标注敬请期待，现阶段能用的是 longcat.chat 在线体验和 API（OpenAI 与 Anthropic 双协议），别按“已开源权重”做本地部署计划。
你会先拿它试哪类长程任务：完整项目构建，还是跨应用的办公长链？评论区说说你的第一单。
