
美团 LongCat 团队在模型发布一周后,放出了 LongCat-2.5 的权重。这是一个专门为 Agent 场景打造的模型,总参数 1.6 万亿,而且从训练到推荐的部署方案,都没有用到 Nvidia GPU。
对国内开发者,看点有两个:编程类 Agent 基准上离海外头部模型不远;API 兼容 OpenAI 和 Anthropic 两种格式,能直接接进现有工具。
LongCat-2.5 是什么
先把关键参数列清楚:
- 架构:混合专家(MoE)模型,总参数 1.6 万亿,每个 token 只激活约 480 亿参数。
- 上下文:API 一次最多处理 100 万 token,单次回复最长 12.8 万 token。
- 模态:能理解文本、图像和视频,输出为文本;推理模式可以开关。
- 许可:权重以 MIT 许可开放,允许商用、修改和再分发。
- 试用:可以在 longcat.ai 的聊天界面直接体验。
和前代 LongCat-2.0 相比,最大的新增是图像理解。它没有走“外挂一个图像编码器”的老路,而是按原始分辨率把图片切成离散 token,和文本放在一起处理。目标是提升视觉编程、设计和 3D 任务。
训练上值得注意的几个细节
美团公开的训练做法里,有几处对做 Agent 的人很有参考价值:
- 用真实任务做强化学习:任务取自 GitHub 上真实的拉取请求,以及复现出来的 Agent 失败案例。
- 刻意堵住“作弊”路径:训练环境里屏蔽了联网,删掉了 Git 历史和缓存文件,再让一个语言模型检查解法有没有取巧。
- 多教师蒸馏:融合擅长 Agent、推理和对话的多个教师模型。
第二点值得记住:很多 Agent 评测好看、实用翻车,原因之一就是训练时学会了钻环境空子。
跑分:接近第一梯队,但不是全面领先
美团给出的对比数据如下(均为美团自己公布):
- Terminal Bench v2.1(命令行任务):LongCat-2.5 得 88.4,Claude Opus 5 为 89.1,GPT-5.6 Sol 为 88.8,DeepSeek-V4.1-Flash 以 90.6 居首。
- 更难的 Terminal Bench v4.0:LongCat-2.5 得 38.5,略高于 GPT-5.6 Sol 的 37.3,但明显低于 Opus 5 的 53.9。
- DeepSWE(在真实仓库里修 bug):从前代的 9.7 分跳到 64.6 分,进步很大,但仍落后于表中除 Claude Opus 4.8 以外的其他模型;DeepSeek-V4.1-Flash 74.2 领先,GPT-5.6 Sol 为 72.7。
- BrowseComp(网络搜索):91.9,为表中最高,不过这是在美团自己的环境里跑的。
注意对比表里没有更新的 Claude Opus 5.5 和 GPT-6.1 Sol,所以它追上的是海外头部模型几个月前的水平。
部署:没有 Nvidia 指南,门槛不低
这次最特别的地方在硬件。美团称 LongCat-2.5 完全在国产芯片上训练;前代 LongCat-2.0 在 6 月下旬就是在一个超过 5 万颗国产 AI 芯片的集群上训出来的,此前还以“Owl Alpha”的匿名身份在 OpenRouter 上跑过。
官方的自托管指南用的是 194 颗华为昇腾 Atlas A2 系列加速器:2 颗负责图像处理,64 颗负责处理输入,128 颗负责生成回复。指南里没有针对 Nvidia GPU 的部署说明。
美团还把专家权重和激活量化到 4 位,国产芯片可以原生处理。按美团的负载测试,和 8 位版本相比,输入处理吞吐提升 43.3%,生成吞吐提升 42.77%,准确率与未压缩版本持平。
所以“开源”不等于“人人能跑”,194 颗加速器的规模,个人和小团队基本不用考虑自托管。
对国内开发者意味着什么
能不能用:能,而且门槛主要在 API 而不是硬件。 大多数人调 API 或网页试用即可。
怎么用:接进现有工具最省事。 它的 API 同时支持 OpenAI 和 Anthropic 两种格式,可以接入 Claude Code、Codex、Hermes 等 Agent 框架。已在用这类工具的,换个接口地址和模型名就能对比。
贵不贵:上线期有限时优惠。 美团给出的限时价格约为每百万输入 token 0.27 欧元、每百万输出 token 1.07 欧元。注意这是限时价,优惠结束后的价格素材里没有说明,做长期成本估算时要留余量。
要不要换:建议先并行测,不要直接替换。 我的建议是:
- 挑自己项目里 10 到 20 个真实任务,和现用模型各跑一遍,看成功率和返工次数;
- 长上下文、需要读图(比如根据设计稿写前端)的任务可以重点测,这是它这次主打的能力;
- 修 bug 类任务目前跑分仍落后头部模型,关键代码别急着全交给它。
要注意什么:
- 公开跑分多数是美团自测,第三方复现之前,参考价值要打折扣;
- 想自托管的团队,先确认手上有没有足够的昇腾资源,没有现成的 Nvidia 方案可以照抄。
小结
LongCat-2.5 说明两件事:国产开源模型在 Agent 编程能力上已经能排进第一梯队的后半段,而且整条链路可以不依赖 Nvidia。对普通开发者,它是值得放进对比清单的便宜选项;对有国产算力和私有化需求的企业,值得认真评估。
信息来源
- The Decoder:Meituan releases a 1.6 trillion parameter agent model that never touched an Nvidia GPU
- best2ai 条目:美团开源 1.6 万亿参数 Agent 模型 LongCat-2.5,全程未用 Nvidia GPU
更多每日 AI 热点见 best2ai.com
文章整理自互联网,只做测试使用。发布者:Lomu,转转请注明出处:https://www.it1024doc.com/19465.html
