11 月 2 日，美团龙猫发布 LongCat-2.5，总参数 1.6 万亿，每个 token 激活约 480 亿。美团技术团队
官方的定位很明确：面向长程智能体任务的原生多模态模型。翻成大白话，不是陪你聊天，是替你把一摊活干完。
先别被 1.6 万亿吓到。今年 6 月的 LongCat-2.0，总参数同样是 1.6 万亿，平均激活约 480 亿。 9 月底的 2.5-Preview，参数和 100 万 token 上下文也与正式版一致。美团技术团队爱依
所以这次不是“又大了一圈”，而是同一副身板换了训练目标：从“会写代码”变成“把项目做完”。
换成了什么？先说视觉。图像被拆成多层级离散 token，和文本一起进主干。美团技术团队
好处是模型不用先“看图说话”再由语言模型转述，视觉和文本在同一个序列里处理。
再说训练。长序列里加入更多长程轨迹，再用大规模强化学习，练复杂代码库开发和完整项目构建。 前者解决“看得懂”，后者解决“干得完”。美团技术团队
效果先体现在官方榜单。
官方博客给出的对比里，和自家 2.0 比，BrowseComp 从 79.9 涨到 91.9，PaperBench 从 45.2 涨到 82.1，AutomationBench 从 15.8 涨到 51.8。A是传奇-艾迹
三项都是智能体任务，涨幅不像常规迭代，更像换了一种练法。
但榜单得拆开看。官方对比图表里，BrowseComp 91.9 比 Opus 5 的 90.8 略高，Terminal Bench 4.0 上却是 38.5，Opus 5 是 53.9。晓乐
同一张表里，Program Bench 只有 25.5，低于最高分 37。 有赢有输，“介于 Opus 4.8 和 Opus 5 之间”这句话，得看具体任务。爱依
而且这些分数都来自厂商图表，还没有第三方按同一套基准复测。 发布当天，B 站 UP 主“AI产品狙击手”把正式版接进 agent，跑了一套自研基准。爱依
他的结果是：SVG 里的空间关系和物理逻辑画得乱七八糟，浏览器 OS、Trello 看板能跑功能，弹窗层级和拖拽残留却露了怯，3D 赛车不崩但颜值一般。哔哩哔哩
一句话，能干活，细活还糙。
另一条信息在训练侧。按媒体转述，LongCat-2.5 全程在国产算力上训练，也是目前国产算力上完成的最大训练任务。智嗨网
这不是把卡凑齐就行。这几年，团队和芯片合作方先后解决了 200 多项软件改进需求和 bug。AI早餐汇
对行业来说，这套工程经验比单次跑分更有复用价值。
对普通开发者，最实际的是试错成本。官方上线了 9.9 元的限时福利包。龙猫LongCat
拿一个不关键的长任务跑一次，记下耗时和返工点，比看十张榜单有用。
要不要换主力？我的建议是再等等。官方对比里的 OpenAI 模型是 GPT-5.5 和 GPT-5.6-Sol，不是已经露面的 6 系。晓乐
它和 Opus 5 互有胜负，长任务上的进步是真的；但“能跑完”和“能放心交付”之间，还差更多独立复测。
长任务的胜负，不在第一版能不能跑，而在跑完要改几处。
