美团LongCat-2.5上线：1.6万亿参数主打智能体，网页上就能试

选一个 AI 助手帮忙跑自动化任务时，名单上常见的是 Claude、GPT 和几家国产旗舰。11 月 2 日，美团正式发布了 LongCat-2.5，一个专攻长程智能体任务的原生多模态模型，官方基准成绩显示它在多个 Agent 评测上与两家旗舰打成了互有胜负——这份成绩单值得每个在选型的人认真看一眼。

规模与架构：激活 480 亿的 1.6 万亿 MoE

LongCat-2.5 的总参数量达到 1.6 万亿，采用 MoE 架构，每个 token 激活约 480 亿参数。相比上一代 LongCat-2.0，这代重点强化了两条线：原生视觉理解与智能体编程。

视觉部分没有走"外挂视觉编码器"的老路，而是把视觉信号表示为多层级离散 token，让主干模型用统一的 token 形式处理图像和文本。官方称其在 Visual Coding（看图写代码、改界面）上表现出色，还支持创意设计和 3D 建模类任务。

跑分：三项第一，两项咬得极紧

把官方公布的九组数据里最值得关注的几项拆出来看：

1. AutomationBench（自动化任务）：LongCat-2.5 拿下 51.8，压过 Claude-Opus-5 的 50.3，是榜单第一。
2. BrowseComp（网页浏览任务）：91.9 对 Claude-Opus-5 的 90.8，第一，但差距只有 1.1 分。
3. 3DCodeBench（文本转 3D）：55.4 同样排第一，领先 Claude-Opus-5 的 54.3。
4. Terminal Bench v2.1（终端操作）：88.4，与第一梯队的 89.1、88.8 几乎持平。
5. Program Bench：25.5，落后于 Claude-Opus-5 的 37，这是官方自己也没有回避的短板。

一句话概括：长程自动化与网页操作是它的强项，纯代码生成与最强的 Claude 旗舰还有一段距离。对使用者来说，这个组合反而很实用——如果你的场景是"让模型连续跑一串网页操作、表单填写、系统维护"，LongCat-2.5 的性价比会很有吸引力。

训练侧的两个看点

技术博客里有两处细节对从业者有参考价值。其一是大规模智能体强化学习：美团把 GitHub 公开仓库的真实 PR 与 issue 转化成可验证的训练环境，用 fail-to-pass 测试校验任务有效性，并采用 partial rollout 异步策略处理长轨迹训练的效率问题，还专门针对"刷分式投机"做了断网训练、清除 git 历史等防 reward hacking 处理。

其二是国产算力适配：整套训练跑在单卡显存不足 80GB 的国产加速器上，通过超节点并行与双重分片 FSDP，长序列微调的单卡吞吐比基线提升 86%；推理侧的 W4A4 量化方案让线上压测吞吐相对 W8A8 提升 43.3%。这两组数字意味着模型后续开源时的部署门槛不会高得离谱。

还有一个容易被忽略的机制叫"多专家在线教学"：模型按智能体、推理、交互体验等方向各养了一个领域专家，学生在真实任务里采样，教师对采样结果做全词表级别的纠正，训练效率比离线蒸馏高出一截。这套机制在 LongCat-2.0 上验证过，这代继续沿用并优化了长回复场景下的分布偏移问题。对普通用户来说不用深究原理，只需要知道：这类设计的直接收益，是模型在多轮任务里更少"跑偏重启"。

现在怎么用上它

1. 在线体验：打开 longcat.chat ，注册后即可对话，网页版支持图片输入，可以直接扔一张界面截图让它写前端。
2. API 接入：开发者走 longcat.chat/platform/product 申请，按官方页面的接入文档调用。
3. 关注开源动态：官方说明模型权重在 GitHub 与 Hugging Face 即将上线，自己动手部署的话留意仓库更新。

体验时可以重点试三类任务：给一张产品截图让它还原成 HTML；粘贴一段长文档让它多步检索并汇总；用一段自然语言描述让它规划并执行一串模拟操作。这三类正好对应它训练时重点打磨的能力。

测试时建议顺手记录三个指标：多轮任务里中断重来几次、网页操作的成功率、以及同样任务对比你现在的主力模型耗时多少。跑分表上的 0.5 分差距落到具体任务里可能就是"能用"与"不能用"的区别，自己的一手数据永远比榜单可靠。

值得关注的理由

国产大模型这几年的竞争焦点，已经从"聊天谁更聪明"转到"谁的智能体能把活干完"。美团这次没有讲太多通用对话的故事，而是把资源压在长程任务、环境构建和算力效率这些硬骨头上，赛道选择很清晰。1.6 万亿总参、480 亿激活的配置，加上网页上就能免费试用的开放态度，让它成为这个月最值得排进测试清单的国产模型。跑分是别人家的，任务是你的：拿自己手头最烦的那件自动化小事去考一考它，答案自然见分晓。