美团LongCat-2.5发布：1.6万亿参数，视觉编程与AI Agent能力升级

给AI一张页面截图，让它写出可以运行的界面；项目报错以后，再让它读日志、改代码、重新测试。

用户真正需要的，往往不是一段“看起来很专业”的回答，而是一个能够继续推进的结果。

2026年11月2日，美团正式发布新一代大模型 LongCat-2.5。

这款模型拥有1.6万亿总参数，每个Token激活约480亿参数，重点强化原生视觉理解、智能体编程和长程任务执行能力。

从产品方向来看，美团这次并不满足于让AI多回答几个问题，而是希望它能够看懂视觉资料、理解复杂代码库，并通过工具调用持续完成工程任务。

官方评测中，LongCat-2.5在BrowseComp、3DCodeBench等项目表现突出。不过，“多项第一”需要结合完整对比范围来看，不能直接理解为所有Agent任务都领先。

比起参数有多大，更值得关注的是：它能不能把看懂、规划、执行和检查真正连起来。

01｜1.6万亿参数，每次只激活480亿，意味着什么？

LongCat-2.5采用MoE混合专家架构，总参数量达到1.6万亿，每个Token激活约480亿参数。

简单理解，模型内部拥有大量不同的专家模块，但处理一个Token时，并不会让所有参数同时参与计算。

按这两个数字估算，每个Token激活的参数约占总参数的3%。

这种设计希望在保留较大模型容量的同时，控制单次处理的计算开销。

但有一个概念不能混淆：

480亿激活参数，不等于部署时只需要存放480亿参数的权重。

模型的整体权重、缓存、专家调度和设备通信，仍然会影响运行资源。不能只看到激活参数，就把它理解成普通电脑可以轻松运行的小模型。

另外，LongCat-2.5是在LongCat-2.0基础上继续强化能力，并不是单纯依靠增加参数来完成升级。

这次真正的重点，是视觉信息如何进入模型，以及模型如何在较长的任务过程中保持有效执行。

02｜原生多模态：不只是识别图片，还要把视觉信息用于任务

LongCat-2.5将视觉信号转换为多层级离散Token，让模型主干以统一的Token形式处理视觉与文本输入。

对于非技术用户来说，可以把它理解为：图片不再只是一个单独识别后返回描述的附件，而是参与到后续理解和任务处理之中。

目前，LongCat官方API文档已列出图片和视频输入能力，可以用于截图文字识别、图表分析、图片描述和视频内容理解。

这对视觉编程尤其重要。

例如，开发者提供一张产品页面参考图，同时说明：

“保留这种信息结构，但换成我们的品牌配色，移动端改成单列布局。”

模型需要同时理解画面和文字要求，再把它们转化为代码。

如果配合能够运行页面、执行测试并回传截图的Agent工具，还可以继续检查页面实现是否符合需求。

这里仍然要区分能力边界：理解图片、分析视频和生成相关代码，并不等于直接提供独立的图片或视频生成服务。

对设计师和前端开发者来说，更值得测试的，是它能否准确理解视觉关系，而不是只模仿一个大致风格。

03｜长程强化学习，重点解决“写了一半就跑偏”

一个真实开发任务，通常不会只包含一次代码生成。

它可能需要先阅读项目，再找到相关文件，修改代码，执行测试，处理错误，最后检查有没有影响其他功能。

只要中间某一步判断失误，后续工作就可能不断偏离目标。

LongCat-2.5通过大规模长程强化学习，重点加强这种多步骤工程任务的处理能力。美团还将真实Agent的失败过程转化为可复现、可验证的训练任务，用于补充模型薄弱环节。

这类训练的意义，可以用一个假设案例解释。

用户要求修复登录问题。AI不仅要让登录重新成功，还应检查原本正常的退出、权限校验和异常提示是否受到影响。

修好一个问题，却带出三个新问题，并不算真正完成任务。

美团的训练流程也考虑了重复思考、重复调用工具等低效行为，希望减少模型在同一问题上反复绕圈。

不过，训练目标和实际效果仍然是两回事。是否真的更少返工，需要放到自己的代码库、测试环境和需求条件下验证。

04｜榜单成绩怎么看？有领先项目，也有需要说清楚的地方

LongCat-2.5的官方评测确实有亮点，但需要同时看精选对比图和完整数据表。

部分对比图只展示了几款模型，因此在图中排第一，不一定意味着在完整比较范围内仍然第一。

按照官方完整评测表，几个主要项目的表现如下：

因此，更准确的结论是：

LongCat-2.5在部分搜索与视觉编程评测中取得领先成绩，在多项Agent任务上具备竞争力，但并非所有项目都排名第一。

这些数字也不是同一套完全统一的实测结果。官方说明指出，部分竞品成绩来自公开技术报告、博客或基准排行榜，其余成绩由团队自行测试。

此外，Agent评测不只受到模型本身影响，还与工具、运行框架、上下文设置和任务预算有关。

所以，榜单适合用来判断值得测试的方向，不适合直接替代真实项目验收。

05｜百万Token上下文，适合装更多资料，但不是无限记忆

根据LongCat官方参数文档，LongCat-2.5支持1,048,576 Token上下文，约为100万Token。

对于代码开发和资料分析，这意味着一次请求能够容纳更大范围的信息。

例如，可以把项目说明、相关代码、测试反馈和需求约束放在一起，让模型获得更完整的任务背景。

但这里有两个容易误解的地方。

首先，100万Token不等于100万汉字。不同内容会经过分词处理，实际Token数量需要按照服务统计。

其次，上下文窗口包含输入与输出，不是只计算用户上传的资料。

更大的窗口，也不保证模型能够准确利用其中的每一条信息。把大量无关日志、重复文件和过期需求一起塞进去，未必比提供清晰、相关的资料更有效。

对于实际项目，更合理的方式是先整理任务边界，再提供必要材料。

长上下文应该用来保留重要背景，而不是代替项目管理。

06｜对设计师和开发者来说，视觉编程有什么用？

把多模态理解与编程结合起来，比较值得尝试的方向，是那些“需求很难只靠文字说清楚”的任务。

从参考图到可运行界面

例如，根据一张落地页截图，完成页面结构、基础样式和交互原型，再继续调整移动端布局。

这种任务既需要看懂画面，也需要理解网页实现方式。

测试时，不应只看首屏像不像，还要检查文字内容、按钮行为、不同屏幕尺寸和代码是否方便修改。

从视觉想法到交互演示

例如，把一个流程概念做成可交互图示，或者制作展示产品结构的三维页面。

对独立开发者来说，这类原型可以用于验证创意，而不必先手动实现所有细节。

不过，浏览器中的3D演示，与可直接进入专业制作流程的三维资产不是一回事。模型结构、材质组织和运行性能，仍需要单独检查。

根据截图定位界面问题

还可以尝试把实现截图和预期效果一起提供，让AI分析间距、对齐、层级和元素缺失等问题，再修改相关代码。

这种使用方式的价值，在于把“看起来不对”转化成更明确的修改要求。

以上属于可以参考的测试场景，不代表模型在所有任务上都能一次完成。真正有意义的，是连续修改以后还能保持要求，而不是只生成一张漂亮的初稿。

07｜国产算力与W4A4优化，解决的不只是“能不能跑”

美团此次公开信息显示，LongCat-2.5训练全程由国产算力完成，并针对长上下文训练和推理进行了优化。

其中，W4A4方案将专家权重与激活量化到4比特，并结合硬件特点优化计算和数据传输。

按照美团公布的线上压测结果，相比W8A8 INT8基线，输入预处理吞吐量提升43.3%，逐Token生成吞吐量提升42.77%。

这类优化关系到模型服务能够在同样资源下处理多少工作。

但要注意比较条件：这里的提升来自指定基线和测试环境，不能直接理解为每个用户的任务都能快四成。

用户实际等待时间，还会受到输入长度、任务复杂度、服务负载和工具运行速度影响。

对于开发团队，值得关注的是这些优化最终能否体现在稳定性、响应体验和实际费用上，而不是只看某个底层指标。

08｜LongCat-2.5多少钱？官方API限时价格已经公布

截至2026年11月3日，LongCat官方定价页面列出的按量付费限时价格为：

官方将上述价格标注为平台上线期间的限时优惠，实际费用以结算为准。

这里买到的是模型API调用服务，不等于同时购买所有开发工具的会员，也不包含完整项目中的服务器、外部工具和其他服务费用。

尤其是Agent任务，用户只发出一次需求，后台也可能进行多轮调用。

例如，第一次理解需求，第二次处理工具返回结果，第三次修复错误，之后继续检查。最终费用应按照整个任务的实际消耗计算。

因此，比价时最好同时观察三个结果：任务是否完成、总共用了多少Token、还需要多少人工返工。

单价便宜值得关注，但完成一项工作的总成本更值得计算。

09｜LongCat-2.5在哪里用？网页体验和API都已开放

目前，用户可以通过LongCat官方网页体验模型，开发者也可以通过开放平台创建API Key接入。

官方文档提供常见兼容接口，并列出了CatPaw、OpenCode、Cline等工具的配置说明，方便根据现有工作方式选择入口。

需要注意，接入了模型，不等于自动拥有完整Agent能力。

读取文件、运行代码、查看网页和调用外部工具，仍然需要相应的应用或执行环境配合。模型负责理解和决策，工具环境负责执行与返回结果。

另外，模型发布、API开放与权重开放也是不同概念。不能因为LongCat系列其他版本公开过权重，就直接推定LongCat-2.5能够以相同方式本地部署。

准备正式接入前，可以先选择一个规模较小、验收标准明确的任务，例如修复一个已知Bug，或根据参考图完成一个页面。

确认完整流程可用，再逐步扩大使用范围，比一开始就接管整个项目更容易发现问题。

10｜真正值得测试的，是这些“榜单之外”的能力

对于希望把LongCat-2.5用于日常工作的团队，建议不要只测试一道题或者一张页面。

更有参考价值的，是连续完成一轮“理解需求—执行—反馈—修改—验收”。

首先，看它是否遵守任务边界。要求只修改一个组件时，会不会顺手改动其他已经确认的部分？

其次，看它能否正确理解失败。测试报错后，是根据证据修复，还是反复尝试同一种无效方案？

再看输出是否方便继续使用。代码能否运行，结果能否复查，交付说明是否能帮助其他人接手？

最后，检查权限和操作方式。涉及生产数据、部署配置或重要账号时，应保留必要的确认与回退机制。

这些测试不会像榜单截图一样醒目，却更接近实际使用体验。

能做出一次漂亮演示，是能力展示；连续做对几轮修改，才更接近日常生产力。

总结｜美团这次想做的，是让AI把复杂任务接着往下做

LongCat-2.5的升级方向比较清晰：用原生多模态理解更多输入，再通过长程任务训练，把视觉、代码和工具调用连接起来。

1.6万亿总参数提供了模型规模，百万Token上下文扩大了可处理的信息范围，国产算力优化则支撑训练与推理效率。

但对于使用者，最后还是要回到一个简单的问题：

它能不能在你的真实任务里，少跑偏、少返工，并把结果交付出来？

官方评测已经显示出一些值得关注的优势，尤其是搜索和视觉编程方向。不过，AutomationBench等项目并非完整对比表中的第一名，不宜把局部领先写成全面领先。

接下来，比“又一个万亿参数模型”更值得看的，是LongCat-2.5能否在真实代码库、设计原型和多步骤任务中，持续表现得稳定、可控且成本合理。

相关链接

LongCat官方网站
https://longcat.ai/

LongCat在线体验
https://longcat.chat/

LongCat API开放平台
https://longcat.chat/platform/product

美团技术团队：LongCat-2.5正式发布
https://tech.meituan.com/2026/11/02/Meituan-LongCat-2.5.html

LongCat-2.5官方技术介绍与完整评测
https://longcat.ai/blog/longcat-2.5

LongCat API快速开始
https://longcat.ai/platform/docs/zh/

LongCat-2.5模型参数
https://longcat.ai/platform/docs/zh/api/model-params