11 月 2 日，美团把自家大模型「龙猫」升级了一版：LongCat-2.5 正式发布。官方给它安的位置很明确——专门干「长程智能体任务」的原生多模态模型，说人话就是：不是陪你聊天的，是替你把一件分好多步骤的事从头干到尾的。
先交代几个基本盘。这个模型总参数量 1.6 万亿，但每次处理一个 token 只唤醒其中约 480 亿，上下文窗口 100 万 token。训练全程在国产算力上完成——今年 6 月的 LongCat-2.0 已经证明过，业内此前还没有谁在五万卡规模的国产算力集群上把一个万亿参数模型从训练到推理完整跑通，这次算是沿着这条路继续往前走。
9 月 25 日美团先放了一个预览版，这次是正式版。网页端（longcat.chat）和 API（longcat.chat/platform）已经同步开放，模型权重称即将放上 GitHub 和 Hugging Face——也就是说，眼下还不能下载到本地自己跑，想私有化部署的得再等等。
LongCat-2.5 配图：猫耳机器人站上领奖台，柱状图与价签（配图由 AI 生成）
成绩单：四项排在对比图最前面
官方这次挑了九项基准，对手是 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5。官方给的总结口径是：成绩大多介于 Opus-4.8 和 Opus-5 之间，部分项目超过 Opus-5。挑几项双方文本口径都对得上的列出来：
另外在通用智能体任务的 LongCatClawBench 上，官方对比图里它也排在几位对手前面。要说短板，就是最后两行反映的事：偏「终端硬操作」的任务还在追，v4.0 这种更难的版本差距还不小。这个官方自己也没藏着，成绩单是带着短处一起公布的。
要先说明白：这些数字全是官方自测口径，第三方独立复测还没跟上，看看就好，别当购物指南。
几个比跑分更值得看的东西
配图：小机器人摔倒的位置被画进教材（配图由 AI 生成）
一个是「把翻过的车变成教材」。 大多数模型的强化学习数据是让模型反复做题，LongCat-2.5 的做法多了一步：把真实智能体执行任务时摔倒的那些轨迹，转化成可复现、可验证的训练任务。素材来自 GitHub 公开仓库和内部真实代码场景，对筛选后的代码提交和关联议题自动打标、合成环境、校验测试。更较真的是防钻空子这块——任务环境里断网、清掉 Git 历史和文件缓存，再引入大模型裁判盯着执行轨迹；模型要是反复思考、反复调同一个工具，还会被额外扣分。这套思路对做智能体的团队有参考价值，跟模型本身好不好用是两回事。
一个是省钱的账。 1.6 万亿总参数听着吓人，但每次只唤醒约 3%，这是这类混合专家（MoE）架构的省法——能力储备按万亿算一次账，使用时只按激活的部分算账。工程侧也有实打实的数字：国产算力单卡显存不足 80GB，团队围绕超节点重排并行策略后，长上下文训练的单卡吞吐量比 DDP 基线高了 86%，一张卡干出原来约 1.86 张卡的活；推理侧用 W4A4 量化，官方压测显示吞吐提升约四成，首次输出等待时间缩短约 16%。
配图：两种插头插进同一个插座，电表走字变慢（配图由 AI 生成）
再一个是接入门槛，这可能是对普通人之外的读者最实用的一段。 LongCat-2.5 的 API 兼容 OpenAI 和 Anthropic 两种主流协议。翻译一下：你原来接 GPT 或者 Claude 的代码，把接口地址和模型名一改就能试跑，Claude Code、Codex 这类编程智能体框架也能直接挂上去。限时价是每百万 token 未缓存输入 2 元、缓存命中 0.04 元、输出 8 元（美元挂牌价 0.30 / 0.006 / 1.20），三项单价与 DeepSeek Flash 高峰价持平。对常跑智能体任务的人来说，缓存命中的价差是 50 倍——智能体任务的输入 token 涨得飞快，把稳定的系统提示和资料做成可缓存的前缀，是这波定价里最值得琢磨的一个细节。
它想干什么，跟普通人有什么关系
美团自己不缺智能体的用武之地。搜索、配送调度、商家经营，全是跨系统、长流程的活。基于 LongCat 系列，美团做了 AI 经营工作台「妙手」，已在古茗、益禾堂等连锁品牌处使用。官方给过一个案例：模型自己搭渠道利润表，发现某品牌支付 GMV 涨了 23.2%、渠道利润反而降了 1.7%，典型的增收不增利，然后结合清货价值、复购和库存风险给出资源配置建议。这是官方演示口径，实际效果以商家使用为准。王兴今年 8 月在财报电话会上说过「我们不会成为 Token 工厂」，这个模型往哪用，态度已经挺清楚了。
对行业来说，这场发布又是一回提醒：比拼正在从单轮问答的成绩，转向「能不能便宜、稳定地把一整件事干完」。终端任务、长任务成功率，各家都还在爬坡。
对普通人，最省事的体验路径是打开 longcat.chat，传一张截图加一句话，试试「看图做网页」，或者让它生成一个 3D 展示页面——这是它这版重点强化的方向。国内媒体的实测感受可以参考：智东西让它做了段「鹈鹕骑自行车」的 HTML 动画，完成度不错，就是鹈鹕的围巾画歪了一点；做带图表的 PPT，图表丰富，但图层细节和排版还有提升空间。
最后几条冷静的话。第一，评测数字是官方口径，等第三方复测和开源权重上线后的社区实测，才算第二只眼睛到位。第二，价格标注的是限时折扣价，会调，采购决策前以官方定价页为准。第三，权重还没开源，现阶段只能走云端 API，对数据不能出域的场景先观望。
