美團1.6萬億參數大模型開源！累計Token用量破千億，四項測試位列第一

作者 | 孫小雯 編輯 | 程茜 11月10日報道，昨晚，美團LongCat團隊開源原生多模態模型LongCat-2.5。據OpenCode公開數據，截至今日上午12時，LongCat-2.5在該平臺的累計Token用量約1090億，獨立用戶約4700名，已完成約5萬次會話。▲LongCat-2.5在OpenCode上的公開數據（圖源：OpenCode） LongCat-2.5採用MIT協議開放這款1.6萬億參數模型，支持商用推理部署與二次訓練，無需額外授權。一位X上的網友贊稱，如此大規模的模型採用較為寬鬆的MIT協議開放，對開發者來說是一大利好消息。

▲一位開發者的評論（圖源：X） 在LongCat-2.5開源當天，開源AI編程工具OpenCode即宣佈，該模型在平臺限時免費兩週，支持多模態和百萬Token上下文，免費入口每天限100次請求。在美團公佈的完整評測表中，LongCat-2.5與Claude Opus 5、GPT-5.6-Sol、GLM-5.3、Kimi K3、DeepSeek-V4.1-Flash等共9款模型參與比較，覆蓋31項測試。其中，LongCat-2.5在聯網檢索測試BrowseComp、跨領域智能體測試ALE v1.

1、深度研究測試ResearchRubrics和文字生成3D代碼測試3DCodeBench四項評測中，分別取得91.9、38.5、81.0和55.4分，在9款模型的已公佈成績中排名第一。▲LongCat-2.5與其他8款模型的完整評測表（圖源：美團） LongCat-2.5於11月2日正式發佈，主要面向複雜代碼庫開發、完整項目構建、視覺編程和專業辦公等長程任務，總參數量1.6萬億，每個Token激活約480億參數，支持100萬Token上下文。模型發佈後，開發者陸續曬出了3D小店、水族館、遊戲和經營分析網站等作品。

美團此次開源公告選取了其中一批演示，從演示畫面來看，生成的3D場景有較豐富的光照和動態效果，網站也基本實現經營所需的功能。此次開放的資源包括模型權重和W4A4量化版本，美團還提供了基於SGLang-FluentLLM項目的NPU部署說明，便於開發者在國產算力上部署模型。▲LongCat-2.5開源主頁（圖源：Hugging Face） 此前，美國AI研究機構Nous Research也已通過旗下模型服務平臺Nous Portal提供一週免費體驗。LongCat官方平臺也已提供Claude Code、Codex、OpenCode和Hermes等工具的接入說明。API定價方面，LongCat-2.

5目前的限時優惠價為每百萬Token輸入2元、輸出8元，緩存命中輸入0.04元，明顯低於前述參與評測的四款海外模型。但和國產模型相比，價格優勢就沒那麼突出。DeepSeek-V4.1-Flash在26項可比測試中，有14項得分高於LongCat-2.5。其更新版Flash-1017的高峰價格與LongCat-2.5相同，空閒時段還能便宜一半。相比同為1.6萬億總參數的DeepSeek V4-Pro-0813，LongCat-2.5的三項單價則均更低。▲LongCat-2.

5與DeepSeek兩款模型的API價格對比（數據來源：各廠商官方價格頁，製表） 開源地址： https://huggingface.co/meituan-longcat/LongCat-2.5 量化版本： https://huggingface.co/meituan-longcat/LongCat-2.5-W4A4 一、開發者曬出實測作品，搭建可交互3D場景、經營分析網站 在開發者曬出的案例中，LongCat-2.5已經能夠生成較完整的3D場景，並實現視角切換、角色操控等交互功能。也有開發者用它搭建經營分析網站，將交易明細、退款和經營損失等信息整合在同一套工具中。

視覺編程方面，科技博主cxuanAI製作了一座用LongCat-2.5生成的可切換視角的水族館。畫面起初呈現遊客在展廳內觀看水族箱的視角，玻璃前保留了遊客剪影，水中有鯨鯊、蝠鱝和成群小魚遊動。隨著視角進入水下，魚群在岩石和水草之間聚集、散開，鯨鯊從鏡頭附近遊過。頁面右側還設置了控制面板，演示者可以調整觀察視角和光照效果。▲cxuanAI製作的水族館頁面（視頻來源：公眾號） 從畫面來看，藍綠色調、頂部透入的光線和遠近不同的魚群共同形成了水下縱深感。視角切換後，岩石、水草和海洋生物仍保持統一的視覺風格，場景整體感較好。遊戲開發方面，開發者AI異類弗蘭克展示了一款用LongCat-2.

5生成的多場景打鬥遊戲。畫面採用斜俯視角，雨夜村落中，青瓦房屋、暖黃色窗光和紅燈籠分佈在石板路兩側。角色在街巷中移動，與成群敵人交戰，攻擊時出現環形特效。隨著戰鬥推進，頁面還會彈出“武學參悟”界面，供玩家選擇新的武學技能。▲AI異類弗蘭克製作的打鬥遊戲（視頻來源：公眾號） AI異類弗蘭克稱，模型生成的遊戲前端設計和動態交互效果令他較為滿意。其中，水墨武俠遊戲的互動流暢自然，在增加多場景打鬥和武俠技能後，玩法也更豐富。專業辦公方面，開發者路人甲TM展示了一套用LongCat-2.5生成的電商經營分析網站。網站以總覽頁面呈現經營結餘和收入、支出變化，並設置交易明細、退款分析及損失分析等頁面。

▲路人甲TM製作的電商經營分析網站（視頻來源：美團） 畫面中，演示者打開交易記錄的分類修改彈窗，並在不同頁面間切換，查看退款分佈和經營損失構成。網站將總覽指標、交易明細和專項分析分層呈現，圖表與對應數據放在同一頁面，便於使用者查看經營結果及具體收支項目。不過，也有X用戶反饋，LongCat-2.5正式版仍會出現循環推理。一位開發者認為，模型雖能調用已有知識、進行較全面的推理，但有時會反覆繞圈，產生冗餘內容，影響執行效率。▲一位開發者對LongCat-2.5循環推理問題的反饋（圖源：X） 二、多項技術能力升級，國產算力微調吞吐提升86%，推理吞吐提升約43% LongCat-2.

5的相關技術設計涉及視覺表徵、大規模智能體強化學習和多專家在線教學等，分別支撐多模態信息處理、長程任務執行和不同領域能力的融合。首先是視覺編程與3D任務。模型對圖像的原生分辨率特徵進行殘差向量量化，生成多層級離散Token，再與文本Token一起交給主幹模型處理。視覺Token對應的嵌入表示與主幹模型聯合訓練，支持視覺理解與代碼生成的結合。訓練時，固定的視覺分詞器可以提前生成並緩存視覺Token，主幹模型直接讀取處理後的序列，減少訓練過程中的在線視覺計算，並簡化長序列的打包、切分與負載分配。▲不同分辨率的圖像被編碼為離散Token序列（圖源：美團） 其次是代碼開發與長程智能體任務。

該團隊從訓練數據、強化學習調度和行為約束等方面擴展訓練鏈路，將真實智能體的失敗過程轉化為可復現、可驗證的訓練任務。在強化學習採樣階段，系統會保存未完成的長任務軌跡，並在後續採樣階段恢復執行；對於跨模型檢查點生成的舊軌跡，則通過調整梯度貢獻減少樣本陳舊帶來的偏差。任務環境還會斷網、清除Git歷史和文件緩存，訓練中對重複思考、重複工具調用等行為施加約束。在終端操作測試Terminal Bench v4.0中，LongCat-2.5取得38.5分，上一代為3.0分。▲LongCat-2.5從多個環節擴展長程任務訓練（圖源：美團） 第三是專業辦公與商業分析。

模型沿用多專家在線教學機制，由學生模型在不同領域任務中生成回答，再根據領域專家與學生模型的輸出概率分佈差異進行訓練，將Agent、推理和交互能力融入主線模型。▲多專家在線教學流程（圖源：美團） 為控制長回覆訓練中的分佈偏移，該團隊將教師回覆按固定長度切分，並限制學生採樣長度；通過共享輸入處理計算與緩存、引入Tree Attention，減少同組樣本的重複計算和存儲開銷。多專家在線教學與長程強化學習等設計共同服務於材料處理、分析和交付任務。在職業任務測試JobBench中，LongCat-2.5取得65.4分，相較上一代的44.4分，提高21分。此外，LongCat-2.

5還優化了國產算力上的訓練與推理效率。針對所用國產AI加速器單卡顯存不足80GB的限制，該團隊通過多卡分片分擔顯存壓力，將參數聚合、專家間Token交換等通信安排在超節點內的高帶寬互聯範圍，並讓通信與計算重疊執行。在長序列監督微調任務中，綜合上述優化後的FSDP配置，單卡吞吐量較DDP基線提升86%。▲LongCat-2.5長上下文訓練中的參數與狀態分片佈局（圖源：美團） 推理方面，此次開放的W4A4版本將專家權重和激活值同時量化到4比特。相對W8A8 INT8基線，線上壓測中的預填充、解碼吞吐量分別提升43.3%和42.77%，為萬億參數模型部署提供效率支持。

▲W4A4方案相對W8A8 INT8基線的推理吞吐量變化（圖源：美團） 結語：大廠加碼編程與辦公，價格與部署影響開發者選擇 LongCat-2.5在LongCat-2.0的基礎上進一步提升，聚焦視覺編程、長程任務執行和專業辦公等方面。此次開放權重及量化版本，為希望自行部署、繼續訓練的開發團隊提供了一個新選擇。編程與辦公也是本年內其他大廠持續投入的方向。8月12日，阿里開放Qwen3.8旗艦模型權重，重點提升代碼開發、專業工作和長程智能體任務能力；11月4日，騰訊發佈Hy4，首次引入視覺理解和電腦操作能力，並在WorkBuddy、CodeBuddy等產品上線。

各家模型面向的任務逐漸重合，價格、部署條件和生態適配因而更直接地影響開發者選型。美團此次提供較低單價的API服務、並宣佈開放權重，也為開發網站、辦公工具及業務智能體的團隊提供了一種高性價比的新選項。來源：美團、X