11月3日消息，美團官方正式推出全新一代面向長程智能體任務的原生多模態大模型 —— LongCat-2.5。作爲在 LongCat-2.0基礎上的重大迭代，該模型在原生視覺理解與智能體編程能力上迎來了全面升級，並在多項權威測試中與海外頂尖大模型同臺競技並實現多項指標登頂。

核心架構與參數規模:1.6萬億總參數賦能端到端工程能力

在底層架構設計上，LongCat-2.5採用了龐大的參數體系，其總參數量高達1.6萬億，而在每次進行 Token 推理時則會激活約480億參數，在確保強大推理算力的同時兼顧了運行效率。

image.png

爲了賦予模型應對複雜任務的強悍實力，美團團隊在長序列訓練中引入了更爲豐富的長程軌跡數據，並通過大規模的長程強化學習訓練，顯著提升了模型在複雜代碼庫開發以及完整項目構建等任務中的端到端工程能力。與此同時，模型創新性地將視覺信號表示爲多層級離散 Token，使得主幹模型能夠以統一的 Token 形式無縫處理視覺與文本輸入。這種“原生視覺理解”與“智能體編程”的深度融合，不僅讓模型在 Visual Coding 任務上表現亮眼，同時也爲創意設計和3D 等複雜交互任務提供了堅實的技術支撐。

在支撐底層訓練的算力基座上，該系統針對國產算力環境進行了深度優化，重點突破了長上下文訓練與 W4A4推理的技術瓶頸。通過精細的訓推數值一致性調優以及長上下文 rollout 優化，全面支撐了大規模長程強化學習的高效運行。

權威基準測評:網頁自動化與3D生成等任務表現搶眼

爲了全面檢驗模型的綜合性能，本次評測覆蓋了代碼、通用任務以及視覺 Agent 三大主流類別，總計包含9個不同的評測基準。在與包括 Claude-Opus-5、GPT-5.6-Sol、GPT-5.5、Claude-Opus-4.8在內的多款海外熱門頂尖大模型的同臺競技中，LongCat-2.5在多個細分榜單上表現驚豔:

在 AutomationBench（自動化基準）測試中，LongCat-2.5斬獲51.8分，成功超越同賽道的 Claude-Opus-5(50.3分)。

在 BrowseComp（網頁瀏覽）基準測試中，模型以91.9分的高分穩居榜首。

在3DCodeBench（文本轉3D 項目）測試中，該模型拿到了55.4分，實現了對同類競品的微弱領先。

從整體評測結果來看，LongCat-2.5在網頁瀏覽、自動化操作以及3D 生成等 Agent 任務上展現出了極強的統治力;而在代碼編寫和終端指令等偏傳統的任務類別中，雖然與海外頭部大模型依然存在微小差距，但已經穩穩站在了全球第一梯隊。

隨着 LongCat-2.5的正式亮相，美團不僅向外界展示了其在底層大模型與具身體系上的深厚技術積累，也進一步證明了國產 Agent 大模型完全有實力與全球最頂尖的產品正面交鋒。目前，官方已正式開放在線體驗與 API 接入通道，方便廣大開發者與行業用戶進行深度試用。