11月2日，美团发布新一代大模型LongCat-2.5，这是一款面向长程智能体任务的原生多模态模型，总参数1.6万亿，训练全程由国产算力完成。
2026年6月，美团发布LongCat-2.0，首次在国产算力上完成万亿参数模型的全流程训练与推理。在LongCat-2.0基础上，新模型进一步强化原生视觉理解与智能体编程能力，并优化国产算力上的长上下文训练与推理效率。
LongCat-2.5的发布，标志着“国芯国模”更进一步：不仅原生支持多模态，模型整体能力也比肩当前国际成熟闭源模型和头部开源模型。
模型评测结果显示，在多项主流基准评测中，LongCat-2.5的成绩介于Claude-Opus-4.8与Claude-Opus-5之间，并在部分评测中超过Claude-Opus-5。
LongCat-2.5多项主流基准评测成绩介于Claude-Opus-4.8与Claude-Opus-5之间。
用户可在官网LongCat.ai体验，开发者可通过同步上线的API调用模型。
强化原生多模态能力，提升国产算力训练与推理效率
LongCat-2.5在全程国产算力训练的基础上，进一步强化原生多模态能力，将视觉输入转化为模型可统一处理的token，提升视觉理解能力，支持交互网页、3D展示页面等任务。智能体编程方面，模型采用大规模长程强化学习，提升端到端工程任务能力，更好地支持复杂软件开发任务。
LongCat-2.5在中训练阶段采用最长达1M token的序列开展长上下文训练，累计训练量达数万亿token。多张算力卡协同处理这样的长序列时，显存容量和卡间通信直接影响效率。为此，美团与国产算力厂商协同优化显存使用、卡间通信以及计算与传输效率。针对国产算力单卡显存小的挑战，美团围绕超节点优化任务分工，让参数与任务数据的主要通信在超节点内的高速互联网络中完成。
LongCat-2.5的技术博客显示，在所测长上下文监督微调任务中，优化后的单卡训练吞吐量较DDP（分布式数据并行，Distributed Data Parallel）基线提升86%。按单卡吞吐量折算，相当于一张卡能在同样时间内完成原来约1.86张卡的工作量，处理效率接近翻倍。
推理方面，LongCat-2.5采用W4A4方案，将专家权重和激活同时量化至4比特，以更低的位宽表示计算所需的数据，并针对国产AI加速器的硬件特性优化计算与传输。在已评测的下游任务上，该方案保持与量化前模型相当的表现。
线上压测显示，相较权重和激活均为8比特的W8A8 INT8基线，输入处理和逐token生成的吞吐量均提升约四成，即在同样时间内能处理更多输入、生成更多内容。首次输出等待时间缩短约16%，后续每个token的生成耗时缩短约20%，用户等待模型输出的时间也相应减少。
从原生多模态能力到训练与推理效率，LongCat-2.5延续了Longcat系列“国芯国模”的研发路线，并进一步拓展模型能够处理的任务边界。
拓展主业能力，为商家配备AI帮手
2026年8月28日的美团二季度财报电话会上，CEO王兴表示：AI能力的长期价值，是能否真正进入真实工作流、解决真实问题，并形成长期稳定的基础设施能力。“我们不会成为token工厂，我们的模型和AI产品将用于支持我们的主业，提升用户、商户体验和公司经营效率。”
围绕“支持主业”这一目标，Longcat-2.5重点强化了商业分析、软件开发等能力，为本地生活商家配备AI帮手。
Longcat-2.5技术博客显示，在品牌多渠道经营分析案例中，模型能自主构建渠道利润表，识别出支付GMV（商品交易总额）增长23.2%而渠道利润下降1.7%的增长质量问题，并结合清货经济价值、用户复购与库存风险提出差异化资源配置建议，完成从经营核算、问题诊断到决策建议的完整分析。
基于Longcat系列模型，美团推出AI经营工作台“妙手”，帮助商家在高价值经营场景中，理解行业指标和品牌规则，并在商家授权范围内调用工具与系统、完成经营任务执行。
基于Longcat系列模型，美团推出AI经营工作台“妙手”，为本地生活商家配备AI帮手。
目前，“妙手”已经服务古茗、徐升记、益禾堂等连锁品牌，融入品牌经营分析、门店管理和增长获客等高价值经营场景，帮助商家从发现问题走到决策和执行。
文/秦胜南
编辑 李严
校对 柳宝庆
本文图片 资料图片
