11月2日，美团LongCat团队正式上线新一代大模型LongCat-2.5，替代9月25日推出的预览版。这款模型总参数达1.6万亿，每个Token仅激活约480亿参数，定位为面向长程智能体任务的原生多模态模型。更受关注的是，美团官方称其训练全程由国产算力完成，这是继今年6月LongCat-2.0之后，“国芯国模”路线上的又一次大版本迭代。
事件详情：从预览版到正式版
LongCat-2.5并非凭空出现。9月25日，LongCat-2.5-Preview已悄悄上线并开放体验；11月2日，美团LongCat API开放平台的更新日志出现新版本记录，LongCat-2.5正式上线，官方博客同步放出技术说明。与预览版相比，正式版的定位更加明确：主攻终端操作、浏览器操作、图形界面操作等长周期智能体任务，而非通用聊天。
在规格上，LongCat-2.5采用MoE稀疏架构：模型中存有大量专家，每次推理只调用其中一小部分，因此1.6万亿的总参数与约480亿的单Token激活量之间相差三十多倍。这种设计让模型在保持大参数规模的同时，把单次推理的计算成本控制在可用范围。模型原生支持100万Token上下文，中训练阶段采用最长达1M Token的序列开展长上下文训练，累计训练量达数万亿Token，并原生支持视觉理解，图片可直接转换为统一Token。
技术亮点：为国产加速器重做并行策略
LongCat-2.5最具技术含量的部分不在参数数字，而在它如何适配国产硬件。国产AI加速器单卡显存不足80GB，多张卡协同处理长序列时，显存和卡间通信是绕不过去的坎。官方介绍，团队围绕超节点架构重排了并行策略，让FSDP与EP并行度与单个超节点卡数对齐，使参数AllGather、专家Token AlltoAll、KV AllGather尽量在超节点内的高带宽互联域中完成。
官方称，这些优化使长序列SFT任务的单卡吞吐较DDP基线提升86%；推理侧采用W4A4量化方案，把专家权重和激活同时量化到4比特，吞吐较W8A8基线提升约四成。需要提醒的是，上述性能数字均为官方口径，目前尚无第三方独立复现，实际效果仍待开发者实测验证。
在基准成绩上，官方自测数据显示，LongCat-2.5在自动化任务基准AutomationBench上得分51.8，高于Claude-Opus-5的50.3；在BrowseComp上得分91.9，同样略胜一筹；在终端操作基准Terminal Bench v4.0上得分为38.5，超过GPT-5.6-Sol，但仍落后于Claude-Opus-5。官方的整体定位是：多项主流基准成绩介于Claude-Opus-4.8与Claude-Opus-5之间，部分评测超过Opus-5。官方跑分表把LongCat-2.5与GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8、Claude-Opus-5、GLM-5.3、Kimi-K3、DeepSeek-V4.1-Flash放在同一张表中对比。
背景分析：为什么“全程国产算力”值得单独说
LongCat-2.0此前受关注的原因，是它是业界首个在国产算力集群上完成万亿参数模型全流程训练与推理的模型，报道称其训练跑在五万卡国产算力集群上。这件事的技术意义比参数本身更大：它证明国产卡不仅能做推理，也能撑住万亿级模型的稳定训练。LongCat-2.5把这一路线从“跑通”推进到“产品化”：训练与推理都压到了国产加速卡上，并针对国产卡的显存与互联约束做了系统性优化。
从行业背景看，国产AI芯片正进入规模化放量阶段。摩尔线程、沐曦、燧原等厂商三季报营收大幅增长，算力供不应求，国产芯片“不愁卖”已成为产业链上下游的共识。美团的选择与这一趋势同频：不依赖进口算力完成旗舰模型训练，既规避了供给风险，也为国产加速器生态提供了真实的大规模负载验证。
另一个背景是美团自身的定位。美团CEO王兴在今年8月28日的二季度财报电话会上表示，美团“不会成为Token工厂”。LongCat-2.5的打法与这句话一致：不拼通用大模型的规模竞赛，而是押注长程智能体这一垂直方向，把模型能力锚定在能帮用户完成多步骤真实任务的场景上。
影响与展望：开发者现在能用什么
对开发者而言，LongCat-2.5目前是“能用但不能拿走”的状态。模型已经上架API平台，兼容OpenAI与Anthropic两种接口格式，网页端可以直接对话；按官方定价页，模型目前只支持按量付费，输入每百万Token为2元、缓存命中为0.04元、输出为8元，页面标注为平台初上线的限时折扣价。但GitHub和HuggingFace上的权重入口仍写着Coming soon，官方没有承诺开放时间和许可证，也未披露完整的开源安排。
这意味着，短期内LongCat-2.5的主要价值在于API调用：低价、长上下文、原生多模态、面向长任务优化，对需要处理长流程自动化任务的团队有吸引力。但有第三方对预览版的实测曾指出，长任务单项耗时较长，正式版在速度与稳定性上的表现仍需实测检验；官方基准成绩也需要第三方复现后才能完全采信。
更长远地看，LongCat-2.5的意义可能不在单次跑分，而在它验证了一条路径：国产算力可以支撑1.6万亿参数模型的训练、推理与产品化。如果这条路径被更多厂商复制，国产大模型与国产芯片的协同会从“能用”走向“好用”，而长程智能体这个方向，也可能成为下一阶段模型竞争的主战场之一。