正文与判断依据
一、发生了什么：LongCat-2.5 双线升级——原生多模态 + 长程智能体
11 月 2 日，美团发布新一代大模型 LongCat-2.5，定位是「面向长程智能体任务的原生多模态模型」。新华网于 11 月 3 日刊发报道，智东西于 11 月 2 日跟进并转述了官方技术博客的关键数字，两处口径一致。
官方称该模型总参数 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——延续了今年 6 月 LongCat-2.0「首次在国产算力上完成万亿参数模型全流程训练与推理」的路线。
相比 2.0，2.5 的两条主线：一是原生视觉理解——把视觉输入编码为多层级离散 token，与文本共用同一主干，官方称支持交互网页、3D 展示页面、视觉编程等任务；二是智能体编程——通过大规模长程强化学习（含 partial rollout 异步训练、LLM judge 轨迹监督、反投机奖励设计）提升复杂软件工程任务的端到端能力。
长上下文方面，官方称中训练阶段采用最长 1M token 序列，累计训练量达数万亿 token。
二、国产算力适配：这是本次发布最有信息量的部分
针对国产 AI 加速器单卡显存不足 80GB 的硬件约束，LongCat-2.5 围绕超节点架构重排并行策略：FSDP 与 EP 并行度与单个超节点卡数对齐，让参数 AllGather、专家 Token AlltoAll、KV AllGather 尽量在超节点内高带宽互联域中完成；叠加混合词表并行、MoonEP 动态专家复制、双重分片 FSDP，并把视觉编码移出训练计算图（离线预处理视觉 token）。
官方称这些优化使长序列 SFT 任务的 FSDP 配置单卡吞吐较 DDP 基线提升 86%——即一张卡完成原来约 1.86 张卡的工作量。注意这是官方在自选任务上的口径，评测环境未完整公开，引用时应写「官方称」。
推理侧，官方称采用 W4A4 方案（专家权重与激活同时量化至 4 比特），在已评测下游任务上保持与量化前相当的表现；线上压测显示吞吐较 W8A8 INT8 基线提升约四成，首字等待时间缩短约 16%，逐 token 生成耗时缩短约 20%。
编辑判断：这条路线的意义不在跑分，而在工程——当国产单卡显存成为硬约束时，「围绕超节点拓扑重排并行度」是可迁移的方法论，对其他在国产算力上训练万亿级模型的团队有参考价值。
三、官方基准与媒体报道：数字都在厂商手里
据智东西转述美团公布的结果：在自动化任务基准 AutomationBench 与通用 Agent 基准 LongCatClawBench 上，LongCat-2.5 均领先 Claude-Opus-5、GPT-5.6-Sol 等模型；在终端操作基准 Terminal Bench v4.0 上得分为 38.5，超过 GPT-5.6-Sol，但仍落后于 Claude-Opus-5。
证据边界必须说清：AutomationBench、LongCatClawBench 属于厂商自建基准，评测脚本与环境是否公开未确认；Terminal Bench v4.0 是第三方基准，但 38.5 这个分数同样来自官方口径，暂无独立第三方复现。引用任何一条都应写「官方称」。
第三方已有的一点补充：智东西编辑做了初步实测（视觉编程与办公任务），认为前端视觉效果较好、PPT 图表丰富，但画面细节、空间与图层关系、排版仍有提升空间——这是媒体实测印象，不是标准化评测，更不是百器AI 实测。
四、业务落点：「妙手」与不支持 Token 工厂的说法
美团 CEO 王兴在此前财报电话会上表示「我们不会成为 Token 工厂」，模型用于支持主业。本次发布配套落地是 AI 经营工作台「妙手」：官方称基于 LongCat 系列模型，为本地生活商家提供品牌经营分析、门店管理、增长获客等场景支持，已服务古茗、徐升记、益禾堂等连锁品牌。
官方举的能力案例：在品牌多渠道经营分析中，模型能自主构建渠道利润表，识别「支付 GMV 增长 23.2% 而渠道利润下降 1.7%」的增长质量问题并给出资源配置建议。这是官方叙事中的演示案例，实际效果以商家真实使用为准。
五、诚实声明与选型建议
百器AI 未实测 LongCat-2.5：没有调用 API、没有跑任何基准、没有做成本复算。本文所有性能数字（86% 吞吐提升、四成推理提升、Terminal Bench 38.5 等）均为官方口径（OFFICIAL_CLAIM），无第三方独立复现。
哪些数字可用：发布时间（11 月 2 日）、参数规模（1.6 万亿）、激活参数（约 480 亿）、86%/四成等官方工程数字——均有新华网与智东西两个独立来源相互印证。
哪些只能等：API 定价与开放范围、是否开源权重、自建基准的评测细节——官方未披露，一律标 UNKNOWN / NEEDS_VERIFICATION，本文不填空。
选型建议（编辑判断）：长程 Agent 与国产算力部署场景值得跟踪；在定价与第三方评测出来之前，不建议把现有工作流直接迁到 2.5，可先在 longcat.chat 在线体验做小规模对比。
对比判断表
| 对比维度 | LongCat-2.5 | LongCat-2.0（2026-06） | LongCat-Flash-Chat（2025-09） |
|---|---|---|---|
| 总参数 | 1.6 万亿（官方称） | 万亿级（官方称） | 5600 亿 MoE（官方称） |
| 激活参数/token | 约 480 亿（官方称） | 官方未在本次材料中披露 | 约 270 亿（站内条目口径） |
| 模态 | 原生多模态（视觉+文本统一 token） | 官方称强化长上下文训练 | 纯文本为主 |
| 训练算力 | 全程国产算力（官方称） | 首次全国产算力全流程（官方称） | 官方口径未强调 |
| 开源状态 | UNKNOWN（本次材料未说明） | UNKNOWN | 已开源（站内条目口径） |
| 百器AI 测试状态 | 未实测 | 未实测 | 未实测 |
落地检查清单
常见问题
LongCat-2.5 是什么？
美团 2026 年 11 月 2 日发布的面向长程智能体任务的原生多模态大模型，官方称总参数 1.6 万亿、每 token 激活约 480 亿参数，训练全程由国产算力完成，强化原生视觉理解与智能体编程能力。
LongCat-2.5 和 Claude Opus-5、GPT-5.6-Sol 比谁强？
官方口径下，LongCat-2.5 在其自建基准（AutomationBench、LongCatClawBench）上领先 Claude-Opus-5 与 GPT-5.6-Sol；但在第三方基准 Terminal Bench v4.0 上得分 38.5，仍落后 Claude-Opus-5。两组数字均无第三方独立复现，请按「官方称」理解。
86% 的吞吐提升是什么口径？
官方称在长序列监督微调（SFT）任务上，优化后的 FSDP 配置单卡吞吐较 DDP（分布式数据并行）基线提升 86%。这是官方在自选任务上的数字，评测环境未完整公开。
LongCat-2.5 开源了吗？API 多少钱？
官方在本次发布材料中未说明是否开源权重，也未披露 API 定价与开放范围——均为 UNKNOWN。可在 longcat.chat 在线体验，API 入口见 longcat.chat/platform，具体以官方最新说明为准。
百器AI 测试过 LongCat-2.5 吗？
没有。本文不含任何第一方测试：未调用 API、未跑基准、未做成本复算。文中智东西的体验描述是媒体实测口径；所有性能与价格表述均标注官方口径或来源，未核实项明确标注 NEEDS_VERIFICATION / UNKNOWN。
可核验来源
百器保留原始来源入口，重要结论建议回到原始信息复核。
