美团放出 LongCat-2.5：1.6 万亿参数、1M 上下文，整条训练链跑在国产芯片上，主攻长程编码 Agent
3分钟看懂
先说结论：美团 LongCat 团队在 11 月 1 日放出 LongCat-2.5，一个 1.6 万亿参数的混合专家（MoE）大语言模型，每个 token 只激活约 480 亿参数。它不是"又一个跑分刷榜的聊天模型"，而是明确冲着"长程 Agent 任务"去的——让模型自己在一个代码仓库里连续干几个小时的活：读代码、改代码、跑测试、看报错、再改。
为什么值得关注，有三点。
第一，它把"看图和写字"放进了同一套 token 体系。图片被切成多层级离散 token，和文字一起喂进同一个主干网络，不需要外挂一个视觉编码器。美团把这个能力用在了"视觉编程"上：照着设计稿还原网页、生成可交互的 3D 页面、做数据可视化。
第二，它的训练和推理都在国产 AI 加速卡上完成，单卡显存不到 80GB；推理侧做了 W4A4（权重和激活都是 4bit）量化，官方给出的对比基准是自家的 W8A8 版本。
第三，它对主流 Agent 工具链是"开箱可用"的：官方文档给了 Claude Code、Codex、OpenCode、Cline、Kilo Code 等环境的接入说明，第三方网关 Vercel AI Gateway 也在 11 月 2 日把它上架，模型名是 meituan/longcat-2.5。
对谁有用：正在用 Claude Code / Codex 这类命令行 Agent 写代码、又对 token 账单敏感的开发者；需要"看截图改前端"的前端和设计工程团队；以及想评估国产算力+国产模型到底跑到什么水平的从业者。
需要说明：模型参数、训练方法、跑分这些硬信息来自美团官方博客、官方 API 文档和官方 X；价格与部分解读来自多家媒体的转述，本文基于多家媒体转述整理，具体数字请以官方控制台为准。
它到底新在哪：把图片也变成"词"
大语言模型处理图像，常见做法是接一个视觉编码器，把图片压成一组特征向量再送进语言模型。LongCat-2.5 换了个思路：把视觉信号表示成多层次的离散 token，就像词表里的词一样。
具体做法是：用残差向量量化（RVQ）把原生分辨率图像特征压成离散码，再通过一个视觉反量化器还原。好处是主干网络只需要处理"token 序列"，图文彻底同构。
这个设计带来两个实际收益。一是工程上更省事：分词器固定之后，图像 token 可以在离线阶段预先算好并缓存，训练时主干直接吃预分词序列，长序列打包和负载均衡都好做。二是模态配比可控：图像 token 数量在数据打包时就是已知的，不同并行卡上的图文比例能保持大致均匀，不会出现某张卡全是图、某张卡全是字。
官方还提到一个早期验证：在一个激活参数约 30 亿的小号 MoE 上做 t-SNE 可视化，图文嵌入是交织在一起的，说明它们被学进了同一个语义空间。这条证据属于"初步验证"，不是结论。
训练这一侧：让模型在真实失败里学干活
如果说视觉 token 是"结构上的新"，那长程强化学习就是"能力上的新"。
美团的说法是：在长序列训练阶段塞进更多长程轨迹，再用大规模长程 agentic RL 强化端到端工程能力——不是解一道题，而是从理解需求、规划、动手、验证一路走完。
训练数据怎么来？官方描述了一条流水线：筛 GitHub 的 PR 和关联 issue，用 Agent 去标注任务、合成可交互环境，再用 fail-to-pass 和 pass-to-pass 测试来验证任务是否成立。线上 rollout 的通过率反过来指导重标注和过滤；离线的假阳性、假阴性轨迹分析，则用来补充测试、覆盖更多任务细节。
还有一个容易被忽略的动作：把真实 Agent 的失败轨迹，改造成可复现、可验证的训练任务。也就是说，模型在哪儿翻车，就把那个坑重新铺一遍让它再走。
工程上有几个防"作弊"的细节：任务环境断网、清掉 git 历史和缓存文件、用 LLM 裁判审轨迹里有没有钻空子；同时对多轮交互中的重复推理和重复工具调用加惩罚，防止模型靠"多想几遍"刷分。
国产芯片 + W4A4：这次省的是推理账单
1.6 万亿参数的模型，光是把它跑起来就是一道工程题。
训练侧，官方说用的是国产 AI 加速卡，单卡显存不到 80GB，因此把内存效率放在第一位：并行组按超节点拓扑对齐，FSDP 和 EP 的度等于每个超节点的卡数，CP 不超过这个数，让参数 all-gather、专家 all-to-all、KV all-gather 都留在高带宽互联里。再叠上双分片 FSDP、连续扁平缓冲区、零拷贝通信等优化，官方给出的数字是：长序列 SFT 任务上，单卡吞吐比 DDP 基线高 86%。
推理侧更直接。专家权重和激活都量化到 4bit，直接跑在 INT4 单元上，基于 FlatQuant 的可学习等价变换来保精度。官方称在全部评测的下游任务上，效果与未量化版本相当。
压力测试的数字是（对比自家 W8A8 基线）：prefill 吞吐 +43.3%，decode 吞吐 +42.77%，首 token 延迟（TTFT）降 15.91%，每 token 输出时间（TPOT）降 19.72%，GMM 核心平均加速 1.73 倍。
这些是官方自测、对比的是自家 8bit 版本，不是和别家芯片比。但对使用者来说，含义是清楚的：这类超大 MoE 的成本大头在推理，4bit 推理能跑通，价格才压得下来。
跑分怎么看：哪些能信，哪些别信
官方给了一张很长的对比表，对手包括 GPT-5.5、GPT-5.6-Sol、Claude Opus 4.8、Claude Opus 5、GLM-5.3、kimi-k3、DeepSeek-V4.1-Flash。
几个能说明问题的数：
- Terminal Bench v2.1：88.4，LongCat-2.0 是 70.8，提升 17.6 分
- Terminal Bench v4.0：38.5（2.0 只有 3.0）
- BrowseComp：91.9（2.0 为 79.9）
- AutomationBench v1.0.6：51.8（2.0 为 15.8）
- PaperBench：82.1
- MCP Atlas：83.1
- 3DCodeBench 文生 3D：55.4
- Vision2Web：78.6
也有明显落后的：Program Bench（Almost Resolved）25.5，官方表里 Claude Opus 5 是 37.0；SWE Atlas 的测试编写项 47.8，Opus 5 是 62.2。
必须说清楚三件事。其一，全部是厂商自测，没有独立第三方复现。其二，对手成绩里带星号的取自各家公开技术报告或榜单，条件未必一致，官方自己也写了"仅供参考"。其三，对比对象是 GPT-5.5、Opus 4.8/5 这一代，没有拉上更新的型号。
所以正确的读法是：纵向看它比 2.0 进步了多少（这个最可信，同一套评测条件），横向看它大概站在哪一档（这个只能当参考）。
怎么用：入口、上下文、兼容性
- 对话入口：longcat.ai
- API 平台：longcat.ai/platform，模型名
LongCat-2.5；官方文档给了两个 base URL：OpenAI 格式https://api.longcat.ai/openai，Anthropic 格式https://api.longcat.ai/anthropic - 上下文：100 万 token，最大输出 128K token
- 输入：文本 + 图像
- 工具链：官方文档给了 Claude Code、Codex、OpenCode、Cline、Kilo Code、CodeBuddy 等接入说明；官方 changelog 提到兼容 Claude Code、Codex、Hermes
- 第三方：Vercel AI Gateway 已上架，模型名
meituan/longcat-2.5 - 权重：官方博客上 GitHub 和 Hugging Face 两个按钮都写着 "Coming soon"，目前没有开源权重
一个实操提醒：官方 X 上说新用户注册送 1000 万 token，老用户额外再送 1000 万，缓存命中不计费。这类活动通常有时限，别当成长期价格。
价格与成本
按多家媒体转述整理的口径：促销价是输入每百万 token 0.30 美元、输出每百万 token 1.20 美元，缓存命中输入每百万 token 0.006 美元（对应人民币约 2 元 / 8 元 / 0.04 元）。官方把这套价格标为"促销、限时"。
同口径下对比一下就知道它想打哪儿：这个输出价大约是主流闭源旗舰的十分之一量级。但要注意，促销期结束后会回到什么价，官方没有给时间表。
对个人开发者，一次中等规模的重构任务，如果输入 20 万 token、输出 3 万 token，按上面价格算大约是 0.06 + 0.036 ≈ 0.1 美元。真正烧钱的是长程 Agent：它要反复读文件、跑测试，输入 token 会滚得很快，这时候缓存命中价（每百万 0.006 美元）才是关键变量。
适用场景 / 不适用场景
适合：
- 在命令行 Agent 里跑多步骤编码任务，尤其是需要读一整个仓库的
- 前端还原：给一张设计稿或截图，让它产出可运行的页面
- 需要长上下文的文档分析、跨文件重构
- 想用国产算力链路的团队做合规或成本评估
- 需要 3D / 可视化代码生成的探索性项目
不适合：
- 要权重自己部署、做私有化微调的：目前没有开源权重
- 只看单一榜单排名就下结论的采购决策：缺少第三方复现
- 对稳定性要求极高的生产链路：新模型 + 促销期，SLA 和价格都还没定
- 需要极强测试编写能力的场景：这项它明显落后
避坑：五个必须先知道的限制
- 没有开源权重。GitHub / HuggingFace 都是 "Coming soon"，别按"开源模型"规划架构。
- 跑分全自测。厂商自测 + 对手成绩来源不一，横比要打折。
- 价格是促销价。官方明确标注限时，续费价未知。
- 1M 上下文 ≠ 1M 都有效。官方在评测里给 Terminal Bench 用的是 512K 序列长度，长上下文的实际可用范围要自己压测。
- 送 token 是活动。注册赠量有期限，别写进成本模型。
给新手的第一步
如果你只是想试试它写代码什么水平，最省事的路径是：注册 longcat.ai 拿到 API key，然后在 Claude Code 或 Codex 里把 base URL 指向官方兼容端点、模型填 LongCat-2.5，拿一个你熟悉的小仓库跑一次真实任务——比如"给这个函数补单元测试并跑通"。
判断标准不要看它一次写得多漂亮，看三件事：跑了几轮才通过、中途有没有胡编文件路径、失败了能不能自己从报错里爬出来。这三点才是长程 Agent 的真本事。
参考来源
- 美团 LongCat 官方博客：https://longcat.ai/blog/longcat-2.5/
- 官方 API 文档：https://longcat.ai/platform/docs/
- 官方 X（@Meituan_LongCat）：https://x.com/Meituan_LongCat/status/2117264311714537633
- Vercel AI Gateway changelog：https://vercel.com/changelog/longcat-2-5-now-available-on-ai-gateway
- Pandaily 报道：https://pandaily.com/meituan-longcat-2-5-official-release-1-6t-native-multimodal-long-horizon-agentic-coding-w4a4
- Unite.AI 报道：https://www.unite.ai/longcat-2-5-debuts-with-1-6t-parameters-and-native-visual-tokens/
- Neural Brew 报道：https://neuralbrew.ai/en/articles/2026/11/meituan-launches-longcat-2-5-multimodal-agent-model/