LongCat-2.5 美团 LongCat 推出的原生多模态模型

LongCat-2.5是什么

LongCat-2.5是美团LongCat推出的原生多模态模型，总参数1.6万亿、每token激活约480亿。LongCat-2.5面向长程智能体任务，将视觉信号离散化为多层级token与文本统一处理，强化Visual Coding能力。依托大规模Agentic RL、数据合成流水线及国产算力上的长上下文训练与W4A4量化优化，在终端编程、浏览检索、视觉理解等评测中与GPT-5.5、Claude-Opus-5同处第一梯队。

LongCat-2.5的主要功能

• 智能体编程 ：端到端完成复杂代码库开发与完整项目构建。
• 原生视觉理解 ：以统一 token 形式处理图像与文本，擅长 Visual Coding。
• 创意与 3D 生成 ：支持实时流体模拟、3D 数字展览、城市沙盘、微缩场景等网页生成。
• 专业办公 ：涵盖经营分析、客户反馈报告、活动邀请函生成等。

LongCat-2.5的技术原理

• 视觉表征建模 ：沿用 LongCat-Next 方法，对语义对齐编码器的原生分辨率特征应用残差向量量化，将视觉信号表示为多层级离散 token；tokenizer 固定后可离线预计算视觉 token，简化长序列打包与分布式负载均衡。
• 大规模智能体强化学习 ：构建可扩展的数据合成流水线，自动生成任务、环境与可验证测试用例，用真实 Agent 失败轨迹持续补数据；采用 partial rollout 异步训练缓解长尾效率，通过 logprob 裁剪抑制样本陈旧性带来的梯度偏置，断网、清缓存加 LLM judge 防 reward hacking，跨任务跨 Harness 混合训练提升泛化。
• 多专家在线蒸馏（MOPD） ：领域专家基于学生在线采样的全词表 KL 散度训练学生；将教师回复按固定长度拆为 per-cut prefix 并限制学生采样长度以控制分布偏移，配合 Tree Attention 单次前后传完成训练，降低计算与存储成本。
• 国产算力长上下文训练 ：FSDP/EP 并行度对齐超节点卡数使通信留在高带宽域内，混合词表并行进一步降显存；双重分片 FSDP 跨域分片 FP32 主权重与优化器状态，零拷贝通信与计算重叠，SFT 单卡吞吐较 DDP 提升 86%。
• 训推一致性 ：统一 batch-invariant 算子，扩展 TP与 DCP支持，实现训练、Prefill、Decode 逐 token logprob bitwise 一致。 长上下文 Rollout 优化 ：PD 分离下，QCP/KVP 与 HiCache 扩大有效缓存，利用 LSA 层间索引复用做跨层 KV 预取使 Decode 缓存接近翻倍，容量感知调度避免长轨迹交替推进引发重算雪崩。

如何使用LongCat-2.5

• 快速体验 ：访问在线体验页面 https://longcat.chat 进入对话界面，直接用自然语言提需求。
• API 接入 ：进入 https://longcat.chat/platform/product 申请 API 密钥，将模型接入自有应用。

LongCat-2.5的核心优势

性能领先 ：1.6 万亿总参、每 token 激活 480 亿，多项评测与 GPT-5.5、Claude-Opus-5 同处第一梯队。

原生多模态 ：视觉信号以多层级离散 token 与文本统一建模，Visual Coding 能力突出。 长程智能体 ：大规模 Agentic RL 加持，端到端完成复杂代码库开发与完整项目构建。 迭代迅猛 ：长序列训练 + 失败轨迹转化训练任务，较 LongCat-2.0 提升巨大。 国产算力适配 ：超节点并行、W4A4 量化等优化，1.6T 级 MoE 在国产 AI 加速器上高效训推。 工程扎实 ：训推 bitwise 一致、长上下文 rollout 优化，支撑大规模长程 RL 稳定高效运行。

LongCat-2.5的项目地址

• 项目官网 ：https://longcat.ai/blog/longcat-2.5/

LongCat-2.5的同类竞品对比

对比维度 | LongCat-2.5 | GPT-5.5

LongCat-2.5的应用场景

软件开发 ：端到端完成复杂代码库开发、完整项目构建与终端编程任务。