美團萬億模型悄悄上線，我用它復刻了Muse前端

作者 | 江宇 編輯 | 心緣 9月30日報道，9月25日，美團LongCat團隊上線了新一代預覽版模型LongCat-2.5-Preview，並在OpenCode開放了為期兩週的限時免費體驗。具體能力如何？我們將LongCat-2.5-Preview接入Claude Code，連續測試了三個Coding任務：復刻Meta Muse App、製作SpaceX星艦升空動畫，以及開發一款3D賽車遊戲。從整體體驗來看，一句話概括：能用、夠省，但還不夠快。該模型總參數達到1.

6萬億，每次推理激活約480億參數，支持100萬Token上下文窗口和原生多模態能力，主要面向長週期任務，可操作終端、瀏覽器、GUI、電子表格和設計工具等。值得一提的是，上一代LongCat-2.0是在國產算力集群上完成大規模訓練的，並實現萬億參數MoE模型的穩定訓練與推理。回到模型價格，LongCat API開放平臺新用戶完成實名認證後，可免費領取1000萬Token。目前LongCat平臺還提供5000萬Token新手資源包，售價9.9元，均可用於LongCat-2.0和LongCat-2.5-Preview。LongCat-2.

5-Preview API也在進行限時折扣：緩存未命中的輸入價格由5元/百萬Token降至2元，緩存命中輸入由0.1元降至0.04元，輸出由20元降至8元。我們最初在OpenCode體驗時，由於用戶較多，模型一度無法及時響應。OpenCode評論區中也已經出現首批開發者“省流”測試案例，比如讓模型製作“鵜鶘騎自行車”的動畫，成品存在一些動作與姿勢的細節問題。因此，我們隨後改用API，將LongCat-2.5-Preview接入Claude Code繼續測試。面對連續、多步驟的Coding任務，它的實際表現究竟如何？下面直接看實測。

一、復刻現象級App Muse，核心交互基本跑通 首先，我們復刻了一款近期走紅的App——Meta Muse。Muse上線後僅10天便登頂美國App Store免費應用總榜，一度超過ChatGPT。▲Muse實機界面（圖源：APP Store） 其產品設計同樣有辨識度：整個界面保持極簡聊天形態，Agent執行瀏覽網頁、填寫文件、付款審批等任務時，相關結果會直接以卡片形式嵌入聊天流中。

我們因此要求LongCat參考Muse界面，復刻其主要視覺和交互邏輯，包括Chat、Ideas、Goals、Connectors等頁面，以及Browser Card、File Card、Approval Card等組件，並完整跑通一次電影票預訂流程。從最終效果看，Muse實機畫面中的主要設計元素基本得到保留。頂部是居中的Agent頭像，左側為菜單按鈕；聊天區域採用灰色AI氣泡和淺藍色用戶氣泡；Browser Card、文件卡片和支付確認卡片均直接嵌入對話中，底部則保留極簡輸入框。不僅視覺結構較為接近，幾個主要頁面也可以實際切換。

在電影票實驗，用戶確定場次後，聊天流會出現選座Browser Card，隨後進入支付確認步驟；點擊Allow後，Agent繼續返回訂票結果。整個流程都在同一聊天界面內完成，與Muse的主要交互邏輯基本一致。不過，這項任務的思考時間較長。其中一次連續思考時間達到約10分鐘，整個項目最終完成耗時也超過30分鐘。二、代碼模擬星艦升空，主要動態效果均有實現 第二個任務，選擇了剛剛發生的事件。近日，SpaceX第14次星艦試飛從美國得州Starbase基地點火升空。我們要求LongCat使用前端代碼製作一個實時運行的星艦發射動畫，不調用MP4、GIF或預渲染視頻，主要通過Three.

js、WebGL、Shader和粒子系統完成火箭、噴流、煙霧、動態光照和鏡頭運動。最終項目中，LongCat用程序化幾何體搭建了Starship和Super Heavy，並加入發射塔、發射臺和地面設施。發動機部分使用多個噴流源模擬發動機集群，同時加入火焰；煙霧則分成白色蒸汽、灰色煙霧和貼近地面的塵土三層。項目還實現了動態光照、Camera Shake、鏡頭上仰、衝擊波以及發射狀態UI等效果。火箭先在發射臺保持靜止，隨後點火、產生煙霧並緩慢離開發射臺，之後逐漸加速，鏡頭同步向上抬升。從最終畫面來看，火箭、發射塔、尾焰、煙霧和鏡頭跟隨等核心元素都已經具備，能夠完整實現一次星艦點火升空過程。

不過與我預期的視覺效果相比，最終成品在場景豐富度、煙霧層次和3D材質細節上仍有提升空間。三、搭建3D賽車Demo，競速玩法完整落地 第三個任務，我們讓LongCat製作一款可以實際遊玩的3D賽車遊戲Demo。提示詞要求項目具備3圈比賽、3輛AI賽車、WASD控制、漂移、氮氣、碰撞反饋和Checkpoint機制，同時加入排名、速度、圈數、計時器等遊戲UI。最終Demo已經可以實際運行。玩家可以控制賽車完成加速、剎車和轉向，AI車輛也能夠沿賽道參與比賽；漂移、氮氣、圈數、排名以及計時等基礎機制均有實現。主觀體驗上，這一任務中LongCat-2.

5-Preview的速度與完成度低於我們此前體驗的DeepSeek-V4.1-Flash，高於MiMo-V2.6。試玩過程中，我們發現了一個控制問題：按D鍵時，賽車實際向左轉。LongCat隨後檢查代碼，將問題定位到Three.js座標系與車輛朝向之間的關係，並耗時3分鐘修改了steer的符號邏輯。除此以外，賽道本身也相對簡單。實際體驗中，彎道較多，直道、坡道等路況的區分並不明顯。結語：國模牌桌再添一員，LongCat存在感上來了 三項測試中，LongCat-2.5-Preview都完成了可實際運行的項目。當天共使用798.56萬Token，由於緩存命中不計入資源包消耗，實際扣除約78.

98萬Token。按照當前1000萬Token免費用的新手禮包，價格優勢比較明顯。速度方面，三個任務耗時均超過30分鐘。相比國內頭部模型，LongCat此前的市場聲量並不算高。但這次預覽版不僅保留了原生多模態能力，在Coding和長任務執行上也已經展現出較完整的能力。國產模型的競爭正在從參數、榜單延伸到Coding、Agent、多模態和真實任務執行。LongCat-2.5-Preview已經給出了一次階段性答卷，接下來可以關注正式版在速度、穩定性和複雜任務能力上的進一步表現。