美團釋出 LongCat-2.5：1.6 萬億引數原生多模態，專攻長程智慧體任務

大家印象裡的美團可能還在忙著送外賣和搶買菜，但在大模型底層技術上，他們已經悄悄把引數堆到了萬億級。

美團正式釋出新一代原生多模態大模型 LongCat-2.5。它的總引數量高達 1.6 萬億，採用混合專家架構（MoE），每次運算只啟用約 480 億引數。最引人注目的一點在於，美團明確表示，這臺龐然大物的訓練全程都是在國產算力平臺上跑下來的。

目前，官方已經在 longcat.ai 開放了 Web 端體驗，開發者也可以直接呼叫 API。至於程式碼倉庫，美團主頁上的 GitHub 和 Hugging Face 頁面雖然顯示即將推出，但看樣子後續大機率會繼續延續開源路線。

看圖寫網頁，還能自己修 Bug

比起上一代 LongCat-2.0，這次最明顯的進化有兩個：原生視覺理解和長程程式碼智慧體。

過去很多多模態模型只是給語言模型外掛一個視覺編碼器，而 LongCat-2.5 把視覺訊號切成了多層級的離散 token，讓主幹模型像讀文字一樣統一處理影像。最直觀的演示就是視覺程式設計（Visual Coding）：給它一張設計草圖，它就能直接寫出帶流體模擬、逼真物理碰撞效果的完整互動網頁，甚至能搞定 3D 頁面展示。

而在智慧體（Agent）開發上，美團把重點放在了長程任務上。比如讓 AI 去接管一個真實的程式碼倉庫，不僅要讀懂一堆 pull request 和 issue，還得自己把程式碼跑通、通過測試。

為了訓練這種長鏈路能力，美團在中訓練階段把序列拉到了最高 100 萬 token。他們甚至在任務環境中給 AI 斷網、清理歷史快取，配合模型裁判來防止 AI 走捷徑，同時專門對重複思考、過度思考做懲罰，逼著模型像個真正的工程師一樣把複雜專案閉環落地。

在基準測試裡，美團給出的對比物件直接對標 Claude-Opus-4.8 和 Claude-Opus-5，綜合成績介於兩者之間，在部分場景下還壓過了後者。

帶著 80GB 視訊記憶體的鐐銬跳舞

在大模型訓練裡，跑 1.6 萬億引數本就極度消耗資源，更何況全程放在國產晶片上。由於單卡視訊記憶體普遍不足 80GB，美團不得不把大量精力花在基礎設施的摳細節上。

他們重構了超節點內的通訊與並行策略，讓引數傳輸儘量留在高速互聯域內；訓練時提前生成影像 token，免去了線上計算視覺編碼器的額外視訊記憶體開銷。按照官方技術部落格的資料，這套最佳化讓長序列監督微調的單卡吞吐量比基線提升了 86%，相當於一張卡幹了原來接近 1.86 張卡的活。

在部署推理上，美團拿出了 W4A4 量化方案，把專家權重和啟用同時壓縮到 4 位元。相比常見的 W8A8 方案，生成吞吐量提高了約四成，首個 token 的等待時間縮短了 16%，逐 token 生成耗時縮短了兩成，讓大模型在實際業務裡的推理成本降了下來。

回到落地場景，CEO 王興在財報電話會上就定過調：美團不做「Token 工廠」，模型必須服務主業。除了寫程式碼，LongCat-2.5 已經被塞進了美團的商家經營工作臺「妙手」。它能自主分析複雜的經營資料，比如一眼看出某品牌支付 GMV 上漲了 23.2% 但渠道利潤反而跌了 1.7%，並直接診斷出清貨和庫存配置問題。古茗、益禾堂這類連鎖品牌已經接入了這項服務。

為什麼重要

對開發者和企業來說，LongCat-2.5 證明了一件很實際的事：不依賴海外頂級晶片，靠精細的工程最佳化和架構設計，同樣能在萬億引數規模下訓出第一梯隊的 Agent 模型。

它表現出的長程工程能力和原生視覺程式設計，對於需要做端到端專案構建、複雜資料流轉的獨立開發者非常實用。即使你暫時不打算換模型，現在直接去它的網頁端測試一下寫前端和做流體模擬，也能摸清楚目前國產多模態的工程上限在哪裡。

從行業角度看，美團的做法非常務實。多數網際網路大廠都在卷通用對話和內容生成，美團卻極其剋制地把模型收斂到兩件事上：一個是長程程式碼智慧體，另一個是本地生活商家的實際經營決策。

這種以解決真實工作流為目的的研發思路，比漫無目的刷基準分數要有價值得多。它給國內其他受限於算力供應的團隊趟出了一條路：在有限的單卡視訊記憶體下，通過超節點排程、通訊掩蓋和深度量化，國產算力不僅能撐起超大 MoE 的訓練與推理，還能直接接住重度業務的落地需求。