注意：本文排版的亮点来自 LongCat-2.5。

美团的 LongCat 又更新了，这次升级到了 2.5。

之前我就一直在关注这个模型，一直在追更，这次的升级重点，官方讲的是视觉编程和长程任务，我也趁热接入到 Codex 里边尝尝咸淡。

这次的测试，我还是选了一些觉得还是有一定难度，同时兼顾优化我现有工作流的题目，前后改过几轮，有做得顺手的地方，也有需要我指出来再修的问题。

话不多说，先看看 LongCat 这次升级了啥。

LongCat-2.5 的总参数量是 1.6 万亿，每个 token 激活约 480 亿参数。数字看着挺大，可以粗略理解成一个大团队，每次处理一小段内容，让其中一部分成员出来干活。

那自然，对于我们用户来说，这个团队能不能把一件事从头做到尾。

比如做一个小游戏，写出代码只是开始，还得准备环境、跑起来，报错了回头修，修改时又不能忘了前面说过的要求。用过 Agent 的小伙伴，应该都知道这里面有多少来回。

按官方介绍，这次训练加入了更多这种连续执行的任务，还把真实任务里的失败过程整理成能复现、能检查结果的训练题。哪里容易出错，就继续补哪里的训练。

上边卡片里的保存和恢复，讲的是训练时接着处理未完成的任务轨迹。

另一项重点是原生视觉。图片和文字虽然长得不一样，但经过编码，都能变成模型可以处理的 token，放进同一个主干模型里学习。

这样，模型既能读文字，也能看图片。比如给它一张参考图，让它理解里面的布局，再试着用代码还原，就有了继续发挥的空间。

训练时，它还会向不同领域的专家模型学习。推理、交互、连续执行任务，各有对应的训练信号。老师先提供一段示范，学生接着尝试，前面相同的部分还能共享计算。

最后看看成绩。下面选了 LongCat-2.5 和 Claude-Opus-5 的几项官方评测数据，有高的，也有低的。

前三项里，LongCat-2.5 高一些；到了 Terminal Bench v4.0，就明显落后了。这些成绩来自发布方自测或引用的公开资料，咱们看看它擅长什么就好，不能挑几项就说全面超过了谁。

介绍到这里，小伙伴们有没有注意到，前面这几张图的排版，跟我平时有点不一样？

其实，第一份实测作业已经交完了。

这些 SVG 动态卡片，就是我让 LongCat-2.5 做的。是因为我最近发现@赛博禅心 这位老师**排版的 SVG 卡片做得挺好看，于是就灵机一动，让 LongCat-2.5 先学习对方的排版和动效，再照着这种风格，给自己做一份介绍。

于是它先把参考里的动画方式、字体和配色拆出来，再往下制作。

你看，这些柱状图和流程图的动画，把一堆技术名词配着图讲，确实比干念参数好读。

早期做了七张，后来我嫌太多了，就删掉两张，留下前面这五张。

前阵子我就在折腾**排版，这回又多一种玩法：看见喜欢的效果，给它几篇参考，拆开学，再做出自己的内容。

也就是很朴实的大白话，LongCat-2.5 也能把这效果做得有模有样。

文章排完了，接下来做点能玩的。

小时候玩斗兽棋，棋子摆好就能下。轮到把规则写给模型，才发现细节真不少。老鼠能吃大象，狮虎能跳河，河里有老鼠挡着又不能跳，反正小时候觉得规则还挺复杂的。

我就把规则和画面要求写进提示词。游戏叫「山海兽弈」，走山海经风格，小动物各有造型，双方用赤红和青绿色区分。

棋盘是 7 列、9 行。除了进兽穴获胜，还约定了三次重复局面、连续 100 个半回合没有吃子等判和条件。这些规则都得按要求执行，不能只弄出一堆小动物就算完事了。

一张木桌，上面摆着棋盘和两队小兽，中间是两片水域。鼠标拖动能转视角，选中棋子会标出可走的位置。我还要求它做了人机、双人轮流下和电脑自己对战三种模式。

规则面板放在旁边，鼠象克制、入水、跃河和陷阱都有说明。

当然，中间也改了几轮。比如棋子的朝向就出过问题，两边既然是在对战，总得面对面吧。我补了这一条，又让它重新检查规则、镜头和对局流程。

下面这轮检查用了 13 分 27 秒。报告里逐条列了规则核对、测试和修复情况，还找到了鼠标拖出画布后可能卡住的问题。

棋盘已经有了，后面就顺着这个项目继续修，修完再看能不能正常下。实机对局我剪成了视频，小伙伴们看看棋子怎么走，镜头转起来是什么效果。

补一个在线访问链接，感兴趣的可以点进去看一看：

https://shanhai-v2.app.workbuddy.host/?sharecode=TC3K3CSUP2

最近我一个朋友看 AI 视频很火，也想起一个号，就让我给他出点主意，我一听就觉得这题可以让 LongCat-2.5 来试试。刚好最近互联网上这种孟菲斯微缩风格很火，就用了这个这个风格做了一个 MG 动画的科普视频。讲解了一下什么是纳什均衡，博弈论的一个核心概念。

我没先写完整分镜，直接把风格、画幅、时长、交付物和人物参考图一起塞给它。原始提示词截图放在下面。

然后就给我设定了一个背景，是果汁店。甲店在左，乙店在右，顾客站在中间，谁降价、谁赚钱，一眼就能看明白。

用孟菲斯微缩也不是为了纯为了凑热闹，暖白底、粗描边、硬投影和原色块放在手机小屏上，对比够强，场景缩成模型以后也不容易糊成一片，是一个很取巧的思路。

然后就开始跑了，果汁摊、人物、价格牌和收益卡都是一路做出来的，这个画风我还真有点喜欢。

纳什均衡的意思也正好落在这组数字上。其他人的选择保持不变时，任何一家单独改回原价，收益都会从 5 元掉到 2 元。谁先动，谁吃亏，于是两边都留在降价这个组合里。

后面又换成两张交易桌，用另一组虚构收益点再走一遍。每张比较卡都固定一方，再改变另一方，收益、人物和选项必须一一对应。

跑这个任务一共用了 1 个多小时。最后交付 144.37 秒成片、4331 帧画面、37 句配音和 37 句字幕。

声音、字幕和源文件也一起做完了。混音是 48 kHz 双声道，逐句配音保留成 37 个 WAV，Canvas 源码、渲染脚本和验收记录也都在。

当然，中途也翻过车。交易段有一轮收益方向放错了，看着知道是 15 和 2，落到画面上却对不上人。好在后面继续审计时，它自己把这个问题找了出来，又照着原来的项目改回去了。

完整视频放在下面。小伙伴们可以看看两家果汁店怎么从各赚 10 元，一路走到各赚 5 元，再看看它为什么还能被叫作均衡。

跑完这几个案例，LongCat-2.5 的长处已经挺清楚。

它能看懂 SVG 动画，也能马上拆解复刻。给一段描述，它能把场景、材质和动效搭起来；给一种风格，它能在后面的画面里持续延用。

以前我冒出一个点子，先得想这东西值不值得花几天做，现在可以先让它跑一版，觉得靠谱的话，再细细打磨。

它也真会出错，每个项目都是需要跟进调试，好的一面是，听话并且能快速找到问题所在，发现问题以后，它还能接着原文件继续查、继续改。

很多想法就是这样，往前推一步，后面的兴致才跟着来了。而这次让我多了一点感触的，是背后这个模型，训练和推理都跑在国产算力上。

资料里那些吞吐、显存、通信优化，普通用户未必关心，但落到我这里，就是能拿它排文章、做游戏，把一个念头往前推进。技术进步能变成这些具体的小事，我觉得就挺有意义。

价格方面，按官网现在的限时价：每百万 tokens，输入命中缓存 0.04 元、未命中 2 元，输出 8 元，实际以结算为准。

如果你是个人开发者，其实还有更划算的买法：直接买 Token 资源包。

算下来比按量付费便宜；包里的缓存命中还免费，不计入消耗，同一段上下文反复用，量掉得慢，所以特别耐用。

想上手的小伙伴，可以去 longcat.chat 体验，也可以通过 API 接进自己的 Agent，能不能打，跑起来就知道了。