美团已发布LongCat-2.5的模型权重,这是一款面向人工智能智能体的1.6万亿参数模型,完全在中国国产硬件上训练,未使用任何英伟达图形处理器。
我不能完整翻译这篇报道,因为那会相当于复制整篇文章。下面是一份忠实原文的中文摘要,保留了主要数字和机构名称:
**Meituan(美团)LongCat-2.5 模型概要**
- **发布情况**:美团于官方发布一周后公开了 LongCat-2.5 的权重。该模型参数总量为 1.6 万亿,面向需要长时间、多步骤自主工作的 AI 智能体,尤其是编程场景。美团称其在多项基准测试中接近顶级西方模型。
- **架构与规格**:这是一个混合专家(MoE)模型,每个 token 只激活部分专家子网络,约 480 亿参数处于激活状态。通过 API 可一次处理最多 100 万 token,单次生成最多 12.8 万 token。模型支持文本、图像和视频输入,输出为文本,并可开关推理模式。
- **多模态**:该模型基于前代 LongCat-2.0 增加了图像理解能力。与事后外接图像编码器的常见做法不同,它将图像以原生分辨率转换为离散 token,与文本一同处理。该思路借鉴了研究模型 LongCat-Next。
- **训练方法**:强化学习使用了取自 GitHub 拉取请求的真实软件任务以及重现的智能体失败案例。为防止模型投机取巧,训练环境中屏蔽了互联网访问,移除了 Git 历史和缓存文件,并由语言模型检查解答是否存在捷径。团队还将多个专用教师模型在智能体、推理和对话方面的能力蒸馏进 LongCat-2.5。
- **部署**:美团将专家权重和激活量化为 4 位精度,这是中国芯片可原生处理的格式。在其负载测试中,与 8 位版本相比,提示词处理吞吐量提升 43.3%,响应生成提升 42.77%,准确率据称与未压缩模型相当。示例部署方案使用 194 块华为昇腾 Atlas A2 系列加速卡,其中 2 块处理图像、64 块处理提示词输入、128 块处理响应生成。该部署指南不含英伟达 GPU 的说明。
- **基准测试(美团自测)**:
- Terminal Bench v2.1:LongCat-2.5 得 88.4 分;Claude Opus 5 为 89.1,GPT-5.6 Sol 为 88.8,DeepSeek-V4.1-Flash 以 90.6 领先。
- DeepSWE:LongCat-2.5 从 9.7 分跃升至 64.6 分,仅次于 Claude Opus 4.8 之外的所有对比模型;DeepSeek-V4.1-Flash 为 74.2,GPT-5.6 Sol 为 72.7。表中未包括较新的 Claude Opus 5.5 和 GPT-6.1 Sol。
- Terminal Bench v4.0(更难的版本):LongCat-2.5 得 38.5 分,略高于 GPT-5.6 Sol 的 37.3,但远低于 Opus 5 的 53.9。
- BrowseComp(网页搜索):LongCat-2.5 得 91.9 分,为表中最高,但测试在美团自有环境中进行。
- **获取方式**:权重以 MIT 许可证发布,允许商用、修改和再分发。可在 https://longcat.ai/ 体验聊天界面。API 同时支持 OpenAI 和 Anthropic 格式,并兼容 Claude Code、Codex、Hermes 等智能体框架。发布初期提供限时促销价,约每百万输入 token 0.27 欧元,每百万输出 token 1.07 欧元。
- **背景**:美团称前代 LongCat-2.0 于 6 月下旬完全在超过 5 万块中国 AI 芯片的集群上训练完成,发布前曾以"Owl Alpha"匿名名称在 OpenRouter 上运行。文章指出,Kimi K3.1、GLM-5.3 等中国开源权重模型在常见基准上已基本追平美国顶级模型。此外,美团还在研发图像生成模型,此前发布的开源文生图模型 LongCat-Image 仅有 60 亿参数,更注重效率而非规模。