美团发布 LongCat-2.5：1.6 万亿参数原生多模态，专攻长程智能体任务

大家印象里的美团可能还在忙着送外卖和抢买菜，但在大模型底层技术上，他们已经悄悄把参数堆到了万亿级。

美团正式发布新一代原生多模态大模型 LongCat-2.5。它的总参数量高达 1.6 万亿，采用混合专家架构（MoE），每次运算只激活约 480 亿参数。最引人注目的一点在于，美团明确表示，这台庞然大物的训练全程都是在国产算力平台上跑下来的。

目前，官方已经在 longcat.ai 开放了 Web 端体验，开发者也可以直接调用 API。至于代码仓库，美团主页上的 GitHub 和 Hugging Face 页面虽然显示即将推出，但看样子后续大概率会继续延续开源路线。

看图写网页，还能自己修 Bug

比起上一代 LongCat-2.0，这次最明显的进化有两个：原生视觉理解和长程代码智能体。

过去很多多模态模型只是给语言模型外挂一个视觉编码器，而 LongCat-2.5 把视觉信号切成了多层级的离散 token，让主干模型像读文字一样统一处理图像。最直观的演示就是视觉编程（Visual Coding）：给它一张设计草图，它就能直接写出带流体模拟、逼真物理碰撞效果的完整交互网页，甚至能搞定 3D 页面展示。

而在智能体（Agent）开发上，美团把重点放在了长程任务上。比如让 AI 去接管一个真实的代码仓库，不仅要读懂一堆 pull request 和 issue，还得自己把代码跑通、通过测试。

为了训练这种长链路能力，美团在中训练阶段把序列拉到了最高 100 万 token。他们甚至在任务环境中给 AI 断网、清理历史缓存，配合模型裁判来防止 AI 走捷径，同时专门对重复思考、过度思考做惩罚，逼着模型像个真正的工程师一样把复杂项目闭环落地。

在基准测试里，美团给出的对比对象直接对标 Claude-Opus-4.8 和 Claude-Opus-5，综合成绩介于两者之间，在部分场景下还压过了后者。

带着 80GB 显存的镣铐跳舞

在大模型训练里，跑 1.6 万亿参数本就极度消耗资源，更何况全程放在国产芯片上。由于单卡显存普遍不足 80GB，美团不得不把大量精力花在基础设施的抠细节上。

他们重构了超节点内的通信与并行策略，让参数传输尽量留在高速互联域内；训练时提前生成图像 token，免去了在线计算视觉编码器的额外显存开销。按照官方技术博客的数据，这套优化让长序列监督微调的单卡吞吐量比基线提升了 86%，相当于一张卡干了原来接近 1.86 张卡的活。

在部署推理上，美团拿出了 W4A4 量化方案，把专家权重和激活同时压缩到 4 比特。相比常见的 W8A8 方案，生成吞吐量提高了约四成，首个 token 的等待时间缩短了 16%，逐 token 生成耗时缩短了两成，让大模型在实际业务里的推理成本降了下来。

回到落地场景，CEO 王兴在财报电话会上就定过调：美团不做「Token 工厂」，模型必须服务主业。除了写代码，LongCat-2.5 已经被塞进了美团的商家经营工作台「妙手」。它能自主分析复杂的经营数据，比如一眼看出某品牌支付 GMV 上涨了 23.2% 但渠道利润反而跌了 1.7%，并直接诊断出清货和库存配置问题。古茗、益禾堂这类连锁品牌已经接入了这项服务。

为什么重要

对开发者和企业来说，LongCat-2.5 证明了一件很实际的事：不依赖海外顶级芯片，靠精细的工程优化和架构设计，同样能在万亿参数规模下训出第一梯队的 Agent 模型。

它表现出的长程工程能力和原生视觉编程，对于需要做端到端项目构建、复杂数据流转的独立开发者非常实用。即使你暂时不打算换模型，现在直接去它的网页端测试一下写前端和做流体模拟，也能摸清楚目前国产多模态的工程上限在哪里。

从行业角度看，美团的做法非常务实。多数互联网大厂都在卷通用对话和内容生成，美团却极其克制地把模型收敛到两件事上：一个是长程代码智能体，另一个是本地生活商家的实际经营决策。

这种以解决真实工作流为目的的研发思路，比漫无目的刷基准分数要有价值得多。它给国内其他受限于算力供应的团队趟出了一条路：在有限的单卡显存下，通过超节点调度、通信掩盖和深度量化，国产算力不仅能撑起超大 MoE 的训练与推理，还能直接接住重度业务的落地需求。