11月3日のニュース、美団は正式に、長期的なエージェントタスク向けの新世代ネイティブマルチモーダル大規模モデル「LongCat-2.5」を発表した。LongCat-2.0をベースにした大幅なアップデートとして、このモデルはネイティブ視覚理解とエージェントプログラミング能力が全面的に強化され、複数の権威あるベンチマークで海外のトップ大規模モデルと同じ舞台で競い、複数の指標で首位を獲得した。

中核アーキテクチャとパラメータ規模：1.6兆の総パラメータがエンドツーエンドのエンジニアリング能力を実現

基盤アーキテクチャの設計において、LongCat-2.5は巨大なパラメータ体系を採用しており、総パラメータ数は1.6兆に達する。一方で、各Token推論時には約480億パラメータを活性化し、強力な推論計算能力を確保しながら実行効率も両立している。

image.png

複雑なタスクに対応できる強靭な実力をモデルに与えるため、美団のチームは長系列訓練にこれまでより豊富な長距離トラジェクトリデータを導入し、大規模な長期的強化学習訓練を通じて、複雑なコードベースの開発や完全なプロジェクト構築などのタスクにおけるエンドツーエンドのエンジニアリング能力を大幅に向上させた。同時に、モデルは視覚信号を多階層の離散Tokenとして表現するという革新的な手法により、バックボーンモデルが視覚入力とテキスト入力を統一されたToken形式でシームレスに処理できるようにしている。この「ネイティブ視覚理解」と「エージェントプログラミング」の深い融合は、モデルをVisual Codingタスクで際立たせるだけでなく、クリエイティブデザインや3Dなどの複雑なインタラクションタスクにも強固な技術的支えを提供する。

基盤訓練を支える計算基盤では、このシステムは国産計算環境に合わせて深く最適化され、長コンテキスト訓練とW4A4推論の技術的ボトルネックの突破に重点を置いている。緻密な訓練・推論の数値一貫性チューニングや長コンテキストrolloutの最適化により、大規模な長期的強化学習の効率的な運用を全面的に支えた。

権威あるベンチマーク評価：Web自動化や3D生成などのタスクで目覚ましい性能

モデルの総合性能を全面的に検証するため、今回の評価はコード、汎用タスク、視覚Agentの三大カテゴリを対象とし、合計9つの異なるベンチマークを含んでいる。Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8を含む複数の海外人気トップ大規模モデルとの競争において、LongCat-2.5は複数の細分化ランキングで驚くべき性能を示した。

AutomationBench（自動化ベンチマーク）テストでは、LongCat-2.5は51.8点を獲得し、同分野のClaude-Opus-5（50.3点）を上回ることに成功した。

BrowseComp（Webブラウジング）ベンチマークテストでは、モデルは91.9点の高得点で首位に立った。

3DCodeBench（テキストから3Dプロジェクト）テストでは、このモデルは55.4点を獲得し、同類の競合製品をわずかにリードした。

全体の評価結果から見ると、LongCat-2.5はWebブラウジング、自動化操作、3D生成などのAgentタスクで極めて強い支配力を示している。一方、コード作成やターミナル指令などのやや従来型のタスクカテゴリでは、海外のトップ大規模モデルとの間に依然としてわずかな差があるものの、すでに世界のトップティアにしっかりと位置づけられている。

LongCat-2.5の正式登場により、美団は基盤大規模モデルとエンボディド体系における深い技術的蓄積を外界に示しただけでなく、国産Agent大規模モデルが世界最先端の製品と真っ向から競争する実力を十分に持っていることもさらに証明した。現在、公式はオンライン体験とAPI接続のチャネルを正式に開放しており、多くの開発者や業界ユーザーがじっくり試用できるようになっている。