美团LongCat-2.5刚刚上线，限时价持平DeepSeek Flash高峰价！

智猩猩AI整理

编辑：林夕

刚刚，美团龙猫发布原生多模态模型LongCat-2.5，总参数量达1.6万亿，每个token激活约480亿参数，在LongCat-2.0的基础上，进一步强化视觉理解与智能体编程能力。

新模型面向复杂代码库开发、完整项目构建等长程任务，可接入Claude Code、Codex、Hermes等Agent框架。

官方同步展示了实时流体模拟、3D文物展览、城市沙盘以及经营分析等应用案例。

价格方面，LongCat-2.5已公布API限时优惠价：每百万tokens缓存命中输入0.04元、缓存未命中输入2元、输出8元。

按目前两家官方公布的人民币价格，这三项单价均与DeepSeek Flash高峰价持平。

同时，官方公布的九项评测中，LongCat-2.5均超过Opus 4.8，并在AutomationBench、BrowseComp、3DCodeBench和LongCatClawBench四项测试中位居图示模型首位。

此次发布中，一个值得关注的变化是，美团将真实Agent的失败轨迹转化为可复现、可验证的训练任务，针对模型在执行中暴露的短板继续补充训练数据。

据官方介绍，LongCat-2.5在长序列训练中加入了更多长程轨迹数据，并通过大规模长程强化学习，提升端到端工程能力。

训练任务来自GitHub公开仓库和内部真实代码场景。

团队对筛选后的PR及关联issue进行自动打标、环境合成和测试校验，再利用强化学习过程中产生的执行轨迹与任务通过率，继续筛选数据、修正测试用例。

这意味着，Agent执行中的失败，以及测试本身出现的误判，都会成为后续调整训练的依据。

为了限制模型钻奖励机制的空子，美团还披露了一组具体措施：

在任务环境中断网、清除Git历史和文件缓存，并引入大模型裁判监督执行轨迹。

针对长任务中的无效消耗，团队对重复思考和重复工具调用施加额外惩罚，并通过调整奖励，抑制过度思考和输出长度增长过快的问题。

多模态方面，LongCat-2.5将视觉信号表示为多层级离散token，使主干模型以统一的token形式处理视觉与文本输入。

这一设计还允许团队提前离线计算、缓存图像token，减少训练时的在线视觉计算，简化长序列数据打包，并改善分布式训练的负载均衡。

视觉理解与编程能力结合后，官方展示了多种交互式网页生成案例。

其中，3D文物展览页面支持拖拽旋转、滚轮缩放、双击聚焦和线框模式切换；实时流体模拟案例则展示了动态物理效果与网页交互。

另一个活动邀请案例中，用户上传场地照片、输入自然语言需求后，模型结合照片色彩和氛围生成邀请及报名网页，并串联报名、名单查看和表格导出流程。

办公场景也在此次展示范围内，包括整合多渠道经营数据、分析利润和投入产出，以及整理客户反馈、生成支持查看原始信息的交互式HTML报告。

支撑这些能力的，还有国产算力上的训练与推理优化。

官方介绍，针对国产算力单卡显存不足80GB的限制，团队围绕超节点拓扑优化并行策略，并结合参数分片、动态专家复制和通信优化，降低显存与执行开销。

综合优化后，该FSDP配置在长序列SFT任务中的单卡吞吐量，相对DDP基线提升86%。

推理方面，LongCat-2.5采用W4A4方案，将专家权重与激活同时量化至4 bit。

官方称，在已评测的下游任务上，量化后保持了与量化前模型相当的表现。

在线上压测中，相对W8A8 INT8基线，Prefill和Decode吞吐分别提升43.3%和42.77%，首token延迟降低15.91%，每token生成时间降低19.72%。

在模型评测部分，美团选取GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8和Claude-Opus-5进行重点对比，并提供了覆盖更多模型的详细结果表。

目前，LongCat-2.5已提供网页体验和API接入。

官方参数文档显示，模型支持1M tokens上下文，最大输出上限为256K tokens。

END

关注+星标，获取AI前沿进展与开源一线动态