快速了解本文
美团开源 1.6 万亿参数 LongCat-2.5 模型，采用 MIT 协议支持商用。
模型支持 100 万 token 上下文，训练全程由国产算力完成并深度优化。
官方压测显示推理吞吐显著提升，API 平台已上线限时优惠价格。
本摘要由 AI 辅助整理，请以正文内容为准。
数智朋克讯 11 月 9 日，美团宣布 LongCat-2.5 模型正式开源。该模型采用 MIT 协议，支持商用推理部署与二次训练且无需额外授权，降低了长程 Agent 和视觉编程任务的本地化部署与合规门槛。LongCat-2.5 总参数达 1.6 万亿，采用 MoE 架构，每个 token 激活约 480 亿参数，支持 100 万 token 上下文及最长 256K token 输出。
关键数据
作为面向长程智能体任务的原生多模态模型，LongCat-2.5 在复杂代码库开发、完整项目构建及视觉编程（如创意设计、3D 任务）中表现出色。其视觉表征层经过改造，将视觉信号表示为多层级离散 token，与文本由主干模型统一处理，视觉码本与主干联合训练，视觉 token 可离线预计算并缓存。训练阶段采用大规模长程强化学习，将真实 Agent 失败的轨迹转为训练题，并引入 LLM 裁判审查以防投机取巧；环境会切断网络、清除缓存，对重复思考和重复调用工具额外扣分，以保障长程任务的稳定性。
LongCat-2.5 的训练全程由国产算力完成，针对单卡显存不足 80 GB 的国产芯片进行了架构与部署策略的深度协同优化。推理侧采用 W4A4 方案，将专家权重与激活同时量化到 4 bit，通过原生 INT4 矩阵乘法单元计算。官方压测显示，相比 W8A8 基线，其 prefill 吞吐提升 43.3%，decode 提升 42.77%，实际收益受具体任务影响。目前 LongCat API 平台已上线限时价，每百万 token 输入 2 元、缓存输入 0.04 元、输出 8 元。
官方评测显示，LongCat-2.5 在 BrowseComp（91.9 分）和 3DCodeBench（55.4 分）等项目中取得表内最高分，但在 DeepSWE v1.1 等部分代码项目中仍落后于 Opus 5 和 DeepSeek V4.1 Flash。