美团开源 1.6 万亿参数智能体模型 LongCat-2.5，全程未用 Nvidia GPU

美团发布了用于AI代理的1.6万亿参数模型LongCat-2.5的权重。该模型完全使用中国硬件进行训练，在编码基准测试中的表现达到了几个月前美国模型Claude Opus 5的水平。

中国外卖公司美团的LongCat团队在模型正式发布后一周发布了LongCat-2.5的权重。LongCat-2.5是为自主处理长、多步骤任务的代理而构建的，尤其适用于编码。根据美团的介绍，它在多个基准测试中接近顶尖的西方模型。

LongCat-2.5是一个专家混合模型，它只为每个处理的标记激活其专业子网络的一个子集。在总共1.6万亿个参数中，每个标记大约有480亿个参数是活跃的。通过API，该模型可以一次性处理高达一百万个标记，并生成长达128,000个标记的响应。它理解文本、图像和视频，以文本形式回应，并允许用户开启和关闭推理。

LongCat-2.5将图像转换为标记

LongCat-2.5在其前身LongCat-2.0的基础上增加了图像理解功能。许多多模态模型事后会附加一个单独的图像编码器。LongCat-2.5则将图像转换为模型与文本一起处理的标记，这是当今大型语言模型的标准做法。这种方法借鉴了研究模型LongCat-Next，旨在改进视觉编码、设计和3D任务。

在强化学习中，团队使用了来自GitHub拉取请求的真实软件任务以及重新创建的代理故障。为了确保模型在训练期间确实解决了任务，开发人员在训练环境中阻止了互联网访问，删除了Git历史记录和缓存文件，并让语言模型检查其解决方案以防止技巧。团队还将几个专门用于代理工作、推理和对话的教师模型的能力蒸馏到LongCat-2.5中。

一个样本部署运行在194块华为芯片上

美团将专家的权重和激活量化为4位精度，中国芯片可以原生处理。在美团的负载测试中，与8位版本相比，提示处理的吞吐量提高了43.3%，响应生成的吞吐量提高了42.77%。美团表示，准确性保持在未压缩模型的水平。

此版本可在单独的仓库中获取。 自托管指南描述了一个由194个华为Ascend加速器组成的集群，来自Atlas A2系列。两个处理图像处理，64个处理提示摄入，128个处理响应生成。没有为Nvidia GPU提供指导。

LongCat-2.5在终端任务上略逊于Opus 5

LongCat团队报告了在Terminal Bench v2.1上的88.4分，这是一个衡量代理解决命令行任务能力的基准测试。美团列出了Claude Opus 5为89.1，GPT-5.6 Sol为88.8，Deepseek-V4.1-Flash以90.6的分数位居榜首。

DeepSWE 测试模型在真实代码仓库中修复错误的能力。这里 LongCat-2.5 从 9.7 跳到 64.6 分，排在表格中除 Claude Opus 4.8 外所有模型之后，Deepseek-V4.1-Flash 领先达到 74.2 分，GPT-5.6 Sol 为 72.7 分。更新的 Claude Opus 5.5 和 GPT-6.1 Sol 未包含在表格中。

Terminal Bench v4.0 的更难版本将 LongCat-2.5 评为 38.5 分，略高于 GPT-5.6 Sol 的 37.3 分，但远低于 Opus 5 的 53.9 分。该模型在网页搜索基准测试 BrowseComp 上获得 91.9 分，是表格中的最高分，尽管美团是在自己的环境中运行此测试。

该 权重可在 MIT 许可证下获取，该许可证允许商业使用、修改和重新分发。用户也可以在 https://longcat.ai/ 的聊天界面中尝试 LongCat-2.5。其 API 支持 OpenAI 和 Anthropic 格式，并接入 Claude Code、Codex 和 Hermes 等代理框架。发布时，美团正在收取限时促销价格，相当于每百万输入 token 大约 €0.27，每百万输出 token 大约 €1.07。

美团表示，它在 6 月下旬 完全使用超过 50,000 块中国 AI 芯片集群 训练了前代模型 LongCat-2.0。在那之前，该模型匿名运行于 OpenRouter。像 Kimi K3.1 和 GLM-5.3 这样的中国开源权重模型在常见基准测试上已基本赶上美国顶级模型。

从一开始就针对中国芯片优化的 Open-weight 模型使该 硬件在中国以外也更具吸引力。除了多模态代理模型，美团还在开发图像生成器。该公司之前 发布了 LongCat-Image，一个开源的文本到图像模型，该模型仅需 60 亿参数即可运行，并优先考虑效率而非单纯模型大小。