美团开源 1.6 万亿参数智能体模型 LongCat-2.5，全程未用 Nvidia GPU

美团发布 LongCat-2.5 的权重，这是一个专为 AI 智能体构建的 1.6 万亿参数模型。它完全在中国硬件上训练，在代码基准测试中达到了美国模型如 Claude Opus 5 几个月前达到的水平。

中国外卖公司美团旗下的 LongCat 团队在模型正式亮相一周后发布了 LongCat-2.5 的权重。LongCat-2.5 专为能够自主完成长周期、多步骤任务的智能体而设计，特别是在编程领域。据美团称，它在多个基准测试中与顶级西方模型相当。

LongCat-2.5 是一个混合专家（MoE）模型，在处理每个 token 时仅激活其专用子网络的一个子集。在总共 1.6 万亿个参数中，每个 token 约有 480 亿个处于激活状态。通过 API，该模型一次可处理多达一百万个 token，并生成长达 128,000 个 token 的响应。它能理解文本、图像和视频，以文本形式回应，并允许用户开启或关闭推理功能。

LongCat-2.5 将图像转换为 token

LongCat-2.5 在其前身 LongCat-2.0 的基础上增加了图像理解能力。许多多模态模型是在事后附加一个独立的图像编码器。而 LongCat-2.5 则将图像转换为 token，由模型与文本一起处理，这是当今大语言模型的标准做法。该方法借鉴了研究模型 LongCat-Next 的研究成果，旨在提升视觉编码、设计和 3D 任务的能力。

LongCat-2.5 将图像按其原生分辨率分解为离散 token，由模型与文本一起处理。| 图片：美团

对于强化学习，团队使用了来自 GitHub 拉取请求的真实软件任务以及重建的智能体失败案例。为确保模型在训练期间真正解决了这些任务，开发人员在训练环境中屏蔽了互联网访问，移除了 Git 历史记录和缓存文件，并让语言模型检查其解决方案是否存在投机取巧。团队还将几个专门用于智能体工作、推理和对话的教师模型的能力蒸馏到了 LongCat-2.5 中。

Overview of the LongCat-2.5 reinforcement learning pipeline with five sections, from task synthesis using GitHub repositories through a sandboxed environment with no web search, Git history, or build cache, to reward verification via tests and an LLM judge. — 美团从真实的 GitHub 仓库生成训练任务，并在沙箱中屏蔽网页搜索和 Git 历史等捷径。| 图片：美团

一个示例部署运行在 194 块华为芯片上

美团将专家的权重和激活值量化为 4 位精度，中国芯片可以原生处理这种精度。在美团的负载测试中，与 8 位版本相比，提示处理的吞吐量提高了 43.3%，响应生成的吞吐量提高了 42.77%。美团表示，准确性与未压缩模型持平。

此版本可在单独存储库中找到。自托管指南描述了一个由 194 块来自 Atlas A2 系列的华为昇腾加速器组成的集群。其中两块用于图像处理，64 块用于提示输入，128 块用于响应生成。没有针对 Nvidia GPU 的指导说明。

LongCat-2.5 在终端任务上略逊于 Opus 5

LongCat 团队报告称，LongCat-2.5 在 Terminal Bench v2.1（一个衡量智能体解决命令行任务能力的基准测试）上得分为 88.4 分。美团列出的 Claude Opus 5 得分为 89.1，GPT-5.6 Sol 得分为 88.8，而 Deepseek-V4.1-Flash 以 90.6 分位居榜首。

DeepSWE 测试模型在真实代码仓库中修复 bug 的能力。在此榜单上，LongCat-2.5 从 9.7 分跃升至 64.6 分，仅次于 Claude Opus 4.8，位列表中其他所有模型之后；Deepseek-V4.1-Flash 以 74.2 分领先，GPT-5.6 Sol 为 72.7 分。更新近的 Claude Opus 5.5 和 GPT-6.1 Sol 未列入该表。

Bar charts comparing LongCat-2.5 and LongCat-2.0 with Claude Opus 5, Claude Opus 4.8, GPT-5.6 Sol, and GPT-5.5 across nine benchmarks in the categories of coding agents, general agents, and visual agents. — 在美团自身的评估中，LongCat-2.5 较其前身大幅提升，在多项智能体基准测试中接近 Claude Opus 5 和 GPT-5.6 Sol。 | 图片：美团

更难的 Terminal Bench v4.0 变体将 LongCat-2.5 置于 38.5 分，略高于 GPT-5.6 Sol 的 37.3 分，但远低于 Opus 5 的 53.9 分。该模型在网页搜索基准 BrowseComp 上取得 91.9 分，为表中最高分，尽管美团是在其自有环境中运行此项测试。

权重已开源，采用允许商业使用、修改和重新分发的 MIT 许可证。用户也可在 https://longcat.ai/ 的聊天界面中体验 LongCat-2.5。其 API 同时支持 OpenAI 和 Anthropic 格式，并可接入 Claude Code、Codex 和 Hermes 等智能体框架。发布初期，美团提供限时促销价格，相当于每百万输入 token 约 €0.27，每百万输出 token 约 €1.07。

美团表示，其前代模型 LongCat-2.0 于 6 月下旬完全在一台由超过 50,000 块中国 AI 芯片组成的集群上训练完成。在此之前，该模型曾匿名以“Owl Alpha”之名在 OpenRouter 上运行。像 Kimi K3.1 和 GLM-5.3 这样的中国开源权重模型，在常见基准测试中已基本追平顶级美国模型。

从一开始就针对中国芯片优化的开源权重模型，也使这些硬件在中国以外地区更具吸引力。除了多模态智能体模型外，美团还在研发图像生成器。该公司此前发布了 LongCat-Image，一个开源的文生图模型，仅使用 60 亿参数，优先考虑效率而非单纯的模型规模。