美团在 11 月 2 日发布了新一代大模型 LongCat-2.5，一款面向长程智能体任务的原生多模态模型，总参数 1.6 万亿，训练全程由国产算力完成。今年 6 月发布的 LongCat-2.0 首次在国产算力上完成万亿参数模型的全流程训练与推理，这一版在其基础上进一步强化原生视觉理解与智能体编程能力。这篇把它的能力、效率优化和落地信号拆开看。
定位与迭代
LongCat-2.5 的关键词是「原生多模态」和「长程智能体任务」。它把视觉输入转成模型可统一处理的 token，提升视觉理解，支持交互网页、3D 展示页面这类任务；智能体编程方面采用大规模长程强化学习，提升端到端工程任务能力，更好支撑复杂软件开发。评测上，官方口径是它在多项主流基准里的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测超过 Opus-5——美团把它对标到当前头部闭源模型，本身就说明这版的定位不在「能用」，而在「能打」。
长上下文训练
长上下文是这版的重头。LongCat-2.5 在训练中期采用最长 1M token 的序列做长上下文训练，累计训练量达数万亿 token。多张算力卡协同处理这种长序列时，显存容量和卡间通信直接决定效率。针对国产算力单卡显存小的挑战，美团围绕超节点优化任务分工，让参数与任务数据的主要通信在超节点内的高速互联网络里完成。官方技术博客的数据：在所测长上下文监督微调任务里，优化后的单卡训练吞吐比 DDP 基线提升 86%，折算下来一张卡能顶原来约 1.86 张卡的工作量。
W4A4 推理量化
推理侧，LongCat-2.5 用 W4A4 方案，把专家权重和激活同时量化到 4 比特，并针对国产 AI 加速器的硬件特性优化计算与传输。官方称在已评测的下游任务上，该方案与量化前表现相当。线上压测里，相比权重和激活都是 8 比特的 W8A8 INT8 基线，输入处理和逐 token 生成的吞吐都提升约四成，首次输出等待时间缩短约 16%，后续每个 token 生成耗时缩短约 20%。对用户来说，就是等得更短、生成更快。
关键数字
| 指标 | 数值 |
|---|---|
| 总参数 | 1.6 万亿 |
| 训练算力 | 全程国产 |
| 最长训练序列 | 1M token |
| 累计训练量 | 数万亿 token |
| 单卡训练吞吐（较 DDP） | +86% |
| 推理吞吐（较 W8A8） | +约 40% |
| 首字延迟（较 W8A8） | -16% |
| 每 token 生成耗时（较 W8A8） | -20% |
落地的信号
这版最值得注意的信号，是美团把它直接接到了主业。CEO 王兴在 8 月财报电话会上说过一句很明确的话：不会成为 token 工厂，模型和 AI 产品要用来支持主业。LongCat-2.5 重点强化了商业分析、软件开发能力。技术博客里的案例很具体：品牌多渠道经营分析里，模型自主构建渠道利润表，识别出支付 GMV 增长 23.2% 但渠道利润下降 1.7% 的增长质量问题，结合清货经济价值、用户复购与库存风险提出差异化资源配置建议——从经营核算、问题诊断到决策建议一气呵成。基于 LongCat 系列，美团还推出 AI 经营工作台「妙手」，在商家授权范围内调用工具与系统、完成经营任务执行，已服务古茗、徐升记、益禾堂等连锁品牌。
待观察
两点。一是 1.6 万亿参数、1M token 上下文这些数字很强，但真正的考验在长程智能体任务上的端到端稳定性，评测区间是官方口径，还需第三方复现。二是「国模国芯」这条路线——全程国产算力训练万亿参数模型、再叠加 W4A4 推理优化——如果真能稳定跑通，对算力自主的示范意义不亚于模型本身；但它对国产算力厂商的深度依赖，也是需要持续观察的变量。方向是清楚的：美团不是在造一个泛泛的大模型，而是在造一把直接干活的工具。