专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！
让 AI 写一段代码已经不算新鲜，更难的是把需求拆成一连串步骤，读懂已有代码，调用工具反复修改，最后把一个完整项目交出来。美团新发布的 LongCat-2.5，瞄准的正是这类需要持续执行的任务。
11月2日，美团发布 LongCat-2.5。这是一款面向长程智能体任务的原生多模态模型，总参数量为1.6万亿，每个 Token 激活约480亿参数。美团称，模型训练全程使用国产算力，并在 LongCat-2.0 的基础上加强了视觉理解、智能体编程，以及长上下文训练和推理能力。
从看懂截图，到按图改出页面
LongCat-2.5这次强调的一个方向，是把视觉理解和编程放进同一条工作流程。
美团技术博客介绍，模型将视觉信号转成多层级离散 Token，让模型以统一的方式处理文本与图像。这样一来，图片不只是供模型描述的输入，也可以成为编程任务的一部分：模型可以结合截图、设计稿理解页面结构，再根据需求生成或修改代码。美团将视觉编程、创意设计和3D任务列为重点应用方向。
官方展示的案例包括实时流体模拟、3D展示页面、城市微缩景观，也包括经营分析、反馈报告等办公任务。它们呈现了模型团队希望覆盖的范围：从写代码到生成可交互的视觉内容，再到处理具体工作任务。
对开发者来说，模型能不能“看懂图”只是起点。真正的难点在于，它能否把看到的内容转成正确的修改，并在多轮操作后仍然记得目标。尤其是当任务涉及多个文件、工具和步骤时，模型一次答得漂亮，并不代表它能把整个项目做完。
长任务训练，重点放在“做完”
长程智能体需要面对的，不只是复杂问题，还有执行过程中的变化：工具可能返回错误，代码可能无法运行，最初的理解也可能需要修正。模型要能根据反馈调整路径，而不是在第一次出错后停下来。
美团称，LongCat-2.5在训练中加入了更多长程任务轨迹，并通过大规模长程强化学习提升端到端工程能力。训练流程涉及数据合成、交互环境构建和多种智能体工具环境的混合训练；模型执行中的失败轨迹，也会被整理成可复现、可验证的训练任务，用来补足能力短板。
美团发布的比较结果显示，LongCat-2.5在多项主流基准测试中的成绩介于 Claude Opus 4.8 与 Opus 5 之间，部分项目超过 Opus 5。测试覆盖编码、智能体和视觉等方向，部分编码任务通过 Claude Code 等工具环境完成。对长程智能体而言，模型本身和所使用的工具环境共同构成了任务执行能力，测试方式也因此成为读懂成绩的一部分。
LongCat-2.5还兼容 Claude Code、Codex、Hermes 等智能体工具。开发者可以将它接入已有工作流，让模型在工具环境中连续执行任务，而不只是对话后给出一段建议。
国产算力的优化，也写进了模型能力里
LongCat-2.5的另一条主线是算力。美团在发布说明中称，模型训练全程使用国产算力；技术博客则披露了长上下文训练和推理侧的优化细节。
在长序列监督微调任务中，优化后的单卡训练吞吐量较 DDP 基线提升86%。推理侧采用 W4A4 方案，也就是将权重和激活都量化到4比特。美团披露，与 W8A8 INT8 基线相比，W4A4方案下输入处理和逐 Token 生成的吞吐量均提升约四成，首次输出等待时间缩短约16%，后续每个 Token 的生成耗时缩短约20%。这些优化围绕长上下文训练和连续推理展开，目标是让智能体任务跑得更快、更省资源。
这部分对长任务尤其重要。模型如果要连续处理大量上下文、反复调用工具，训练和推理效率会影响它能否稳定运行，也会影响实际使用中的响应速度和资源开销。美团披露的这些数据，正是围绕这样的任务需求展开。
从模型走向美团自己的业务场景
美团把 LongCat-2.5的应用方向与本地生活业务联系起来，重点提到商业分析和软件开发。以品牌多渠道经营分析为例，美团技术博客展示了模型构建渠道利润表、发现支付 GMV 增长23.2%而渠道利润下降1.7%，并据此提出资源配置建议的过程。
这类分析任务不只是生成一段总结，还要求模型处理经营数据、发现指标之间的变化，再给出下一步建议。美团还介绍了基于 LongCat 系列模型推出的 AI 经营工作台“妙手”，称其已进入品牌经营分析、门店管理和增长获客等场景。现有材料介绍的是 LongCat 系列模型在业务中的应用，并未单独说明 LongCat-2.5在“妙手”中的具体部署范围。
先在线和 API 使用，权重尚未同步开放
目前，用户可以通过 LongCat 网站体验 LongCat-2.5，开发者也可以通过 API 调用。官方文档列出了 Claude Code、Codex、Hermes 等工具的接入方式。
发布当天，美团方面将 GitHub 和 Hugging Face 资源标注为即将上线。因此，当前更准确的说法是模型已开放在线体验和 API 调用，权重并未随发布同步公开。
LongCat-2.5把原生视觉理解、编程和多步任务执行放进同一套模型能力中，同时把国产算力上的长序列训练和低比特推理列为重点。接下来，开发者可以在真实代码库、视觉编程和长时间运行的任务里体验它的表现。对于一款主打“长程”的模型，重要的不是演示里完成了多少步，而是任务变复杂、过程出现偏差后，它还能不能把事情接着做下去。
