什么值得买App下载 App ›
连续签到专享现金活动

1.6万亿参数、全程国产算力:美团LongCat-2.5主打“把长任务跑完”

美团龙猫11月2日发布原生多模态大模型LongCat-2.5:总参数1.6万亿、每个token激活约480亿参数,训练全程由国产算力完成,官网longcat.ai与API同步开放体验。 这条发布值得关注的不是又一组参数,而是它把产品定义写在了“长程智能体”五个字上——把一件原本要工程师盯着跑几十分钟的活儿,整段交给模型跑完。标题之外,真正需要核对的是三件事:评测是在什么对比集里比出来的、国产算力亮出了什么又藏了什么、权重开源这张旧欠条这次什么时候兑现。微博微信公众号

“长程”是什么活:交给模型一个项目,而不是一句话

LongCat-2.5把长上下文和长执行做成了硬指标:官方参数文档显示,模型支持1M tokens上下文,最大输出上限为256K tokens。 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。网易微信公众号

智能体编程的底子是大规模长程强化学习:长序列训练加入了更多长程轨迹数据,真实agent的失败轨迹也被转成可复现、可验证的任务,针对短板持续补数据。 官方还披露了一组防作弊措施:在任务环境中断网、清除Git历史和文件缓存,并引入大模型裁判监督执行轨迹,对重复思考和重复工具调用施加额外惩罚。知乎网易

视觉侧延续LongCat-Next“万物皆token”的思路,官方视觉理解文档确认,LongCat-2.5支持图片、视频与文本输入,举出的用途包括描述图片、读取截图文字、分析图表和理解视频内容——注意这是“看懂”,不能据此推断它能直接生成图片或视频。 接入侧,新模型面向复杂代码库开发、完整项目构建等长程任务,可接入Claude Code、Codex、Hermes等Agent框架。知乎网易

评测:领先是真的,对比集也是美团自己选的

先把官方比法摊开:九项评测中,LongCat-2.5全部超过Claude-Opus-4.8,并在AutomationBench、BrowseComp、3DCodeBench和LongCatClawBench四项里位居图示模型首位;官方口径的成绩则是介于Claude-Opus-4.8与Claude-Opus-5之间、部分评测超过Claude-Opus-5。网易微信公众号

但这张官方图表的对比集由美团选取:GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8和Claude-Opus-5四个国际模型。同一图表里也有明显落后项,Program Bench上LongCat-2.5只有25.5分,低于图表最高分37分。 目前这些成绩都出自厂商图表,还没有第三方独立复测,LongCatClawBench还是以LongCat自家产品命名的基准——“超Opus-5”是厂商说法,不是公认结论。网易知乎

国产算力:效率数字全公开,成本数字全保密

针对国产算力单卡显存不足80GB的限制,团队围绕超节点优化任务分工,让参数与数据的主要通信在节点内高速网络中完成;官方技术博客显示,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基线提升86%,相当于一张卡能在同样时间完成约1.86张卡的工作量。 推理侧采用W4A4方案,把专家权重与激活同时量化至4比特,官方称在已评测下游任务上量化后保持了与量化前模型相当的表现;线上压测中,相对W8A8 INT8基线,Prefill和Decode吞吐分别提升43.3%和42.77%,首token延迟降低15.91%,每token生成时间降低19.72%。微信公众号网易

往前看路线,今年6月发布的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。 但36氪在2.0发布时点过的那笔账至今没还:芯片厂商是谁、训练总成本多少、实际训练耗时多久,三个最能证明国产竞争力的数字官方全部保密——2.5同样没有披露。 官方还称这是目前国产算力上完成的最大训练任务,这句来自媒体转述,读作厂商说法更稳妥。微信公众号36氪知乎

不卖“Token工厂”,但API铺到了最低价

王兴在8月28日的财报电话会上把定位说得很直接:模型和AI产品将用于支持主业、提升用户与商户体验和经营效率,不会成为Token工厂。微信公众号

同步推出的AI经营工作台“妙手”已经服务了古茗、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场景。 技术博客案例里,模型能自主识别“GMV增长23.2%但渠道利润下降1.7%”的经营质量问题并提出建议。微信公众号微博

获客动作也一点没停:官方公布API限时优惠价,每百万tokens缓存命中输入0.04元、缓存未命中输入2元、输出8元;对照两家官方公布的人民币价格,这三项单价均与DeepSeek Flash高峰价持平。 官号同步挂着新用户赠送10M Tokens、老用户赠送5M Tokens自动到账的福利,9.9元限时福利包标注即将上线。网易小红书

两个没兑现的账:权重和速度

发布当天,GitHub与Hugging Face一侧,IT之家转述的官方口径是即将上线,正式版的权重开放情况标为待补。 这套先官宣、后放权重的节奏并不新鲜:7月发布的LongCat-2.0挂着MIT协议标签,权重状态却写着coming soon,被36氪写成“开源AI期房”。 截至11月3日,“已开源”与“待上线”两种说法在社区并存、没有统一确认,权重能不能下载,仍是这次发布最直接的观察信号。知乎36氪

速度是另一本悬账。9月25日,LongCat官方API平台的更新日志已经上线了LongCat-2.5-Preview,新增图像理解能力。 预览期第三方实测里,三个长程任务单项耗时都超过30分钟,正式版有没有改善,公开信息还没有答案。知乎

把这些账合起来看,LongCat-2.5的真正卖点不是又一个大模型:它把国芯国模、长程强化学习和本地生活主业第一次拧成一股绳——效率数字全亮出来,评测留在自家对比集里,成本和权重还是待兑现的欠条。想验证的人,先用赠送额度丢一个非关键的长任务进去,验收别看首版能不能跑,要看跑完要改几处、返工是否集中在关键逻辑上;本地生活商家看“妙手”,关键在它能从自家经营数据里拿出多少可复核的结果;对行业,盯三件事就够——权重是否可下载、成本敢不敢公开、第三方复测何时出现。

评论

评论区空态插画

当前文章无评论,是时候发表评论了